機械学習 (ML) パラダイム シフトの芽は数十年前から存在していましたが、事実上無限のコンピューティング能力がすぐに利用できるようになり、データが大量に増殖し、ML テクノロジーが急速に進歩したことにより、あらゆる業界の顧客が ML を急速に採用し、使用しています。ビジネスを変革するテクノロジー。
つい最近、生成 AI アプリケーションがすべての人の注目と想像力を魅了しました。 私たちはまさに、ML の広範な導入におけるエキサイティングな転換点にあり、あらゆる顧客エクスペリエンスとアプリケーションが生成 AI によって再発明されると信じています。
生成 AI は、会話、ストーリー、画像、ビデオ、音楽などの新しいコンテンツやアイデアを作成できる AI の一種です。 すべての AI と同様、生成 AI は ML モデルによって強化されています。ML モデルは、膨大なデータで事前トレーニングされ、一般に基盤モデル (FM) と呼ばれる非常に大規模なモデルです。
FM はそのサイズと汎用性により、テキストの感情分析、画像の分類、傾向の予測などの特定のタスクを通常実行する従来の ML モデルとは異なります。
従来の ML モデルでは、それぞれの特定のタスクを達成するために、ラベル付きデータを収集し、モデルをトレーニングし、そのモデルをデプロイする必要があります。 基礎モデルを使用すると、各モデルのラベル付きデータを収集して複数のモデルをトレーニングする代わりに、同じ事前トレーニングされた FM を使用してさまざまなタスクに適応できます。 また、モデルを最初からトレーニングするために必要なデータとコンピューティングのごく一部のみを使用して、ビジネスを差別化するドメイン固有の機能を実行するように FM をカスタマイズすることもできます。
生成 AI は、コンテンツの作成方法と消費方法に革命をもたらし、多くの業界に変革をもたらす可能性があります。 オリジナル コンテンツの制作、コード生成、顧客サービスの強化、文書の要約は、生成 AI の典型的な使用例です。
Amazon SageMaker ジャンプスタート ML を始めるのに役立つ、さまざまな種類の問題に対応する事前トレーニング済みのオープンソース モデルを提供します。 これらのモデルは、展開前に段階的にトレーニングおよび調整できます。 JumpStart は、一般的なユースケースのインフラストラクチャをセットアップするソリューション テンプレートと、ML 用の実行可能なサンプル ノートブックも提供します。 アマゾンセージメーカー.
600 を超える事前トレーニング済みモデルが利用可能であり、日々増加している JumpStart を使用すると、開発者は最先端の ML 技術を実稼働ワークフローに迅速かつ簡単に組み込むことができます。 事前トレーニングされたモデル、ソリューション テンプレート、サンプルには、次の JumpStart ランディング ページからアクセスできます。 Amazon SageMakerスタジオ。 SageMaker Python SDK を使用して JumpStart モデルにアクセスすることもできます。 JumpStart モデルをプログラムで使用する方法については、次を参照してください。 事前トレーニング済みモデルで SageMaker JumpStart アルゴリズムを使用する.
2023 年 XNUMX 月、AWS は アマゾンの岩盤、以下を含むスタートアップ企業の事前トレーニング済みモデルを介して、生成的な AI を活用したアプリを構築する方法を提供します。 AI21ラボ, 人間原理, スタビリティAI。 Amazon Bedrock は、AWS によって社内でトレーニングされたモデルのファミリーである Titan 基盤モデルへのアクセスも提供します。 Amazon Bedrock のサーバーレス エクスペリエンスを利用すると、ニーズに適したモデルを簡単に見つけてすぐに開始でき、独自のデータを使用して FM をプライベートにカスタマイズし、使い慣れた AWS ツールと機能を使用してそれらをアプリケーションに簡単に統合してデプロイできます。 (次のような SageMaker ML 機能との統合を含む) AmazonSageMakerの実験 さまざまなモデルをテストし、 AmazonSageMakerパイプライン インフラストラクチャを管理する必要がなく、FM を大規模に管理できます。
この投稿では、JumpStart から画像およびテキスト生成 AI モデルをデプロイする方法を示します。 AWSクラウド開発キット (AWS CDK)。 AWS CDK は、Python などの使い慣れたプログラミング言語を使用してクラウド アプリケーション リソースを定義するためのオープンソース ソフトウェア開発フレームワークです。
画像生成には安定拡散モデルを使用し、画像生成には FLAN-T5-XL モデルを使用します。 自然言語理解 (NLU) およびからのテキスト生成 ハグ顔 ジャンプスタートで。
ソリューションの概要
Web アプリケーションは上に構築されています ストリームライトは、ML およびデータ サイエンス用の美しいカスタム Web アプリを簡単に作成して共有できるオープンソースの Python ライブラリです。 を使用して Web アプリケーションをホストします。 Amazon エラスティック コンテナ サービス (Amazon ECS) AWSファーゲート Application Load Balancer を介してアクセスされます。 Fargate は、Amazon ECS で使用して実行できるテクノロジーです。 コンテナ サーバー、クラスター、仮想マシンを管理する必要はありません。 生成 AI モデルのエンドポイントは、次の JumpStart イメージから起動されます。 Amazon エラスティック コンテナ レジストリ (アマゾンECR)。 モデルデータは次の場所に保存されます Amazon シンプル ストレージ サービス (Amazon S3) JumpStart アカウントに追加します。 Web アプリケーションは、以下を介してモデルと対話します。 アマゾンAPIゲートウェイ および AWSラムダ 次の図に示すように機能します。
API Gateway は、Web アプリケーションと他のクライアントに標準の RESTful インターフェイスを提供すると同時に、モデルとインターフェイスする Lambda 関数をシールドします。 これにより、モデルを使用するクライアント アプリケーション コードが簡素化されます。 この例では API ゲートウェイ エンドポイントにパブリックにアクセスできるため、このアーキテクチャを拡張してさまざまな実装を行うことが可能になります。 APIアクセス制御 他のアプリケーションと統合します。
この投稿では、次の手順を説明します。
- インストール AWSコマンドラインインターフェイス (AWS CLI)および AWS CDK v2 ローカルマシンで。
- AWS CDK アプリケーションのクローンを作成してセットアップします。
- AWS CDK アプリケーションをデプロイします。
- 画像生成AIモデルを使用します。
- テキスト生成 AI モデルを使用します。
- デプロイされたリソースを表示します。 AWSマネジメントコンソール.
このプロジェクトのコードの概要は、この投稿の最後にある付録で説明します。
前提条件
次の前提条件が必要です。
このチュートリアルのインフラストラクチャは、ローカル コンピューターからデプロイすることも、次を使用することもできます。 AWS クラウド9 導入ワークステーションとして。 AWS Cloud9 には、AWS CLI、AWS CDK、Docker がプリロードされています。 AWS Cloud9 を選択した場合、 環境を作る AWSコンソール.
この投稿を完了するための推定コストは、リソースを 50 時間実行し続けると仮定して、8 ドルです。 継続的な料金が発生しないように、この投稿で作成したリソースは必ず削除してください。
AWS CLI と AWS CDK をローカルマシンにインストールします。
ローカルマシンに AWS CLI がまだない場合は、を参照してください。 AWSCLIの最新バージョンのインストールまたは更新 および AWSCLIの設定.
次のノード パッケージ マネージャー コマンドを使用して、AWS CDK Toolkit をグローバルにインストールします。
次のコマンドを実行して、インストールが正しいことを確認し、AWS CDK のバージョン番号を出力します。
ローカル マシンに Docker がインストールされていることを確認してください。 次のコマンドを発行してバージョンを確認します。
AWS CDK アプリケーションのクローンを作成してセットアップする
ローカル マシンで、次のコマンドを使用して AWS CDK アプリケーションのクローンを作成します。
プロジェクト フォルダーに移動します。
アプリケーションをデプロイする前に、ディレクトリ構造を確認してみましょう。
stack
フォルダーには、AWS CDK アプリケーションの各スタックのコードが含まれています。 の code
フォルダーには Lambda 関数のコードが含まれています。 リポジトリには、フォルダーの下にある Web アプリケーションも含まれています。 web-app
.
cdk.json
ファイルは、AWS CDK Toolkit にアプリケーションの実行方法を指示します。
このアプリケーションは次の環境でテストされました。 us-east-1
リージョン。ただし、必要なサービスと推論インスタンス タイプを持つ任意のリージョンで動作するはずです。 ml.g4dn.4xlarge
で指定 app.py
.
仮想環境をセットアップする
このプロジェクトは、標準の Python プロジェクトと同様にセットアップされます。 次のコードを使用して Python 仮想環境を作成します。
次のコマンドを使用して仮想環境をアクティブ化します。
Windows プラットフォームを使用している場合は、次のように仮想環境をアクティブ化します。
仮想環境がアクティブになったら、pip を最新バージョンにアップグレードします。
必要な依存関係をインストールします。
AWS CDK アプリケーションをデプロイする前に、アカウント内のスペースとデプロイ先のリージョンをブートストラップする必要があります。 デフォルトのリージョンでブートストラップするには、次のコマンドを実行します。
特定のアカウントとリージョンにデプロイする場合は、次のコマンドを実行します。
この設定の詳細については、次のサイトを参照してください。 AWSCDKの使用を開始する.
AWS CDK アプリケーションのスタック構造
次の図に示すように、AWS CDK アプリケーションには複数のスタックが含まれています。
次のコマンドを使用して、AWS CDK アプリケーション内のスタックを一覧表示できます。
以下は、その他の便利な AWS CDK コマンドです。
- cdkls – アプリ内のすべてのスタックをリストします
- CDKシンセサイザー – 合成されたものを放出します AWS CloudFormation template
- cdkデプロイ – このスタックをデフォルトの AWS アカウントとリージョンにデプロイします
- CDK 差分 – デプロイされたスタックと現在の状態を比較します
- CDKドキュメント – AWS CDK ドキュメントを開きます
次のセクションでは、AWS CDK アプリケーションをデプロイする方法を示します。
AWS CDK アプリケーションをデプロイする
AWS CDK アプリケーションは、ワークステーション構成に基づいてデフォルトのリージョンにデプロイされます。 特定のリージョンに強制的にデプロイする場合は、 AWS_DEFAULT_REGION
それに応じて環境変数も変更します。
この時点で、AWS CDK アプリケーションをデプロイできます。 まず、VPC ネットワーク スタックを起動します。
プロンプトが表示されたら、入力します y
展開を続行します。 スタック内でプロビジョニングされている AWS リソースのリストが表示されます。 このステップが完了するまでに約 3 分かかります。
次に、Web アプリケーション スタックを起動します。
スタックを分析した後、AWS CDK はスタック内のリソースのリストを表示します。 y を入力して展開を続行します。 この手順には約 5 分かかります。
書き留めます WebApplicationServiceURL
後で使用するために出力から取得します。 AWS CloudFormation コンソールの GenerativeAiDemoWebStack
スタック出力。
次に、画像生成 AI モデルのエンドポイント スタックを起動します。
このステップには約 8 分かかります。 画像生成モデルのエンドポイントがデプロイされ、使用できるようになりました。
画像生成AIモデルを使用する
最初の例では、テキスト プロンプトから高品質の画像を作成できる強力な生成モデリング技術である安定拡散の利用方法を示します。
- を使用して Web アプリケーションにアクセスします。
WebApplicationServiceURL
の出力からGenerativeAiDemoWebStack
あなたのブラウザに表示されます。 - ナビゲーションペインで、 画像生成.
- SageMaker エンドポイント名 および API GW URL フィールドには事前に値が入力されていますが、必要に応じて画像の説明のプロンプトを変更できます。
- 選択する 画像を生成.
- アプリケーションは SageMaker エンドポイントへの呼び出しを行います。 数秒かかります。 画像の説明にある特徴を備えた画像が表示されます。
テキスト生成 AI モデルを使用する
5 番目の例は、基礎または大規模言語モデル (LLM) である FLAN-TXNUMX-XL モデルを使用して、テキスト生成のためのコンテキスト内学習を実現すると同時に、広範囲の自然言語理解 (NLU) と自然言語理解にも対処することに重点を置いています。言語生成 (NLG) タスク。
環境によっては、一度に起動できるエンドポイントの数が制限される場合があります。 この場合、一度に XNUMX つの SageMaker エンドポイントを起動できます。 AWS CDK アプリで SageMaker エンドポイントを停止するには、他のエンドポイント スタックを起動する前に、デプロイされたエンドポイント スタックを破棄する必要があります。 画像生成 AI モデル エンドポイントを無効にするには、次のコマンドを発行します。
次に、テキスト生成 AI モデル エンドポイント スタックを起動します。
プロンプトで「y」と入力します。
テキスト生成モデルのエンドポイント スタックが起動されたら、次の手順を実行します。
- Web アプリケーションに戻り、選択します テキスト生成 ナビゲーションペインに表示されます。
- 入力コンテキスト フィールドには、顧客の電話に関する問題に関する顧客とエージェント間の会話が事前に入力されていますが、必要に応じて独自のコンテキストを入力できます。
- コンテキストの下のドロップダウン メニューには、事前に入力されたクエリがいくつか表示されます。 クエリを選択して、 応答の生成.
- 独自のクエリを入力することもできます。 入力クエリ フィールドを選択してから 応答の生成.
デプロイされたリソースをコンソールに表示する
AWS CloudFormationコンソールで、 スタック ナビゲーション ペインで、デプロイされたスタックを表示します。
Amazon ECS コンソールでは、クラスターを確認できます。 クラスター ページで見やすくするために変数を解析したりすることができます。
AWS Lambda コンソールでは、 機能 ページで見やすくするために変数を解析したりすることができます。
API Gateway コンソールでは、API Gateway エンドポイントを確認できます。 API ページで見やすくするために変数を解析したりすることができます。
SageMaker コンソールでは、デプロイされたモデルのエンドポイントを確認できます。 エンドポイント ページで見やすくするために変数を解析したりすることができます。
スタックが起動されると、いくつかのパラメーターが生成されます。 これらは次の場所に保存されます。 AWS SystemsManagerパラメータストア。 それらを表示するには、選択します パラメータストア のナビゲーション ウィンドウで AWS システム マネージャー コンソール。
クリーンアップ
不必要なコストを回避するには、ワークステーション上で次のコマンドを使用して作成されたすべてのインフラストラクチャをクリーンアップします。
入力します y
プロンプトで。 この手順には約 10 分かかります。 コンソールですべてのリソースが削除されたかどうかを確認します。 また、Amazon S3 コンソール上の AWS CDK によって作成されたアセット S3 バケットと、Amazon ECR 上のアセットリポジトリも削除します。
まとめ
この投稿で示したように、AWS CDK を使用して JumpStart に生成 AI モデルをデプロイできます。 Streamlit、Lambda、API Gateway を利用したユーザー インターフェイスを使用した画像生成例とテキスト生成例を示しました。
JumpStart で事前トレーニングされた AI モデルを使用して生成 AI プロジェクトを構築できるようになりました。 このプロジェクトを拡張して、ユースケースに合わせて基盤モデルを微調整し、API Gateway エンドポイントへのアクセスを制御することもできます。
ソリューションをテストし、プロジェクトに貢献してください。 GitHubの。 このチュートリアルについての意見をコメントで共有してください。
ライセンスの概要
このサンプル コードは、修正された MIT ライセンスの下で利用可能です。 を参照してください。 LICENSE 詳細については、ファイルを参照してください。 また、それぞれのライセンスを確認してください。 安定した拡散 および フラン-t5-xl ハグフェイスのモデル。
著者について
ハンツリー・タクール は、シンガポールを拠点とする APJ パートナー ソリューション アーキテクチャのリーダーです。 ICT 業界で 20 年の経験があり、ソリューション アーキテクチャ、ビジネス開発、販売戦略、コンサルティング、リーダーシップなど、複数の機能分野にまたがっています。 彼は、顧客がアプリケーションを AWS に移行して最新化する際に、パートナーが共同ソリューションを開発し、技術的能力を構築し、実装段階まで導くことができるようにするシニア ソリューション アーキテクトのチームを率いています。
チェ・グォニュル は、ソウルに拠点を置く韓国のビューティーケア プラットフォームのスタートアップ BABITALK の CTO です。 この役職に就く前は、Kownyul は AWS でソフトウェア開発エンジニアとして AWS CDK と Amazon SageMaker を中心に働いていました。
アルンプラサト・シャンカール は、AWS のシニア AI/ML スペシャリスト ソリューション アーキテクトであり、グローバルな顧客が AI ソリューションをクラウドで効果的かつ効率的にスケーリングするのを支援しています。 余暇には、アルンは SF 映画を見たり、クラシック音楽を聴いたりしています。
サティシュ・ウプレティ は、APJ のパートナー組織の移行リード PSA およびセキュリティ SME です。 Satish は、オンプレミスのプライベート クラウドとパブリック クラウド テクノロジにわたって 20 年の経験があります。 2020 年 XNUMX 月に移行スペシャリストとして AWS に入社して以来、複雑な移行を計画および実装するために、AWS パートナーに広範な技術的なアドバイスとサポートを提供しています。
付録: コードのチュートリアル
このセクションでは、このプロジェクトのコードの概要を説明します。
AWS CDK アプリケーション
メインの AWS CDK アプリケーションは、 app.py
ルートディレクトリにあるファイル。 プロジェクトは複数のスタックで構成されているため、スタックをインポートする必要があります。
生成 AI モデルを定義し、SageMaker から関連する URI を取得します。
関数 get_sagemaker_uris は、JumpStart からすべてのモデル情報を取得します。 見る script/sagemaker_uri.py
.
次に、スタックをインスタンス化します。
起動する最初のスタックは、VPC スタックである GenerativeAiVpcNetworkStack です。 Web アプリケーション スタックである GenerativeAiDemoWebStack は、VPC スタックに依存しています。 依存関係は、vpc=network_stack.vpc を渡すパラメーターによって行われます。
見る app.py
完全なコードについては。
VPC ネットワーク スタック
GenerativeAiVpcNetworkStack スタックで、XNUMX つのアベイラビリティーゾーンにまたがるパブリック サブネットとプライベート サブネットを持つ VPC を作成します。
見る /stack/generative_ai_vpc_network_stack.py
完全なコードについては。
デモ Web アプリケーション スタック
GenerativeAiDemoWebStack スタックでは、Lambda 関数とそれぞれの API Gateway エンドポイントを起動し、これを通じて Web アプリケーションが SageMaker モデル エンドポイントと対話します。 次のコード スニペットを参照してください。
Web アプリケーションはコンテナ化され、Fargate を使用して Amazon ECS 上でホストされます。 次のコード スニペットを参照してください。
見る /stack/generative_ai_demo_web_stack.py
完全なコードについては。
画像生成 SageMaker モデル エンドポイント スタック
GenerativeAiTxt2imgSagemakerStack スタックは、JumpStart からイメージ生成モデル エンドポイントを作成し、そのエンドポイント名を Systems Manager パラメーター ストアに保存します。 このパラメータは Web アプリケーションによって使用されます。 次のコードを参照してください。
見る /stack/generative_ai_txt2img_sagemaker_stack.py
完全なコードについては。
NLU とテキスト生成 SageMaker モデルのエンドポイント スタック
GenerativeAiTxt2nluSagemakerStack スタックは、JumpStart から NLU およびテキスト生成モデルのエンドポイントを作成し、エンドポイント名を Systems Manager パラメーター ストアに保存します。 このパラメータは Web アプリケーションでも使用されます。 次のコードを参照してください。
見る /stack/generative_ai_txt2nlu_sagemaker_stack.py
完全なコードについては。
ウェブアプリケーション
Web アプリケーションは次の場所にあります。 /web-app
ディレクトリ。 これは、次のようにコンテナ化された Streamlit アプリケーションです。 Dockerfile
:
Streamlit の詳細については、次を参照してください。 Streamlitドキュメント.
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- プラトアイストリーム。 Web3 データ インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
- PREIPO® を使用して PRE-IPO 企業の株式を売買します。 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/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :持っている
- :は
- $UP
- 1
- 10
- 100
- 20
- 20年
- 2020
- 2023
- 7
- 8
- 9
- a
- 私たちについて
- アクセス
- アクセス
- アクセス可能な
- それに応じて
- 達成する
- 越えて
- 適応する
- アドレッシング
- 採用
- 養子縁組
- アドバンス
- アドバイス
- エージェント
- AI
- AI電源
- AI / ML
- アルゴリズム
- すべて
- 許可
- 既に
- また
- Amazon
- アマゾンAPIゲートウェイ
- アマゾンセージメーカー
- Amazon SageMaker ジャンプスタート
- Amazon Webサービス
- an
- 分析する
- および
- どれか
- API
- アプリ
- 申し込み
- アプリ
- 4月
- 建築
- です
- エリア
- 周りに
- AS
- 資産
- At
- 注意
- 8月
- 賃貸条件の詳細・契約費用のお見積り等について
- 利用できます
- 避ける
- AWS
- AWS クラウド9
- AWS CloudFormation
- AWSラムダ
- バック
- スイング
- ベース
- BAT
- BE
- 美しい
- 美容
- さ
- 信じる
- の間に
- ブートストラップ
- 広い
- ブラウザ
- ビルド
- 内蔵
- ビジネス
- 事業開発
- ビジネス
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- コール
- 缶
- 機能
- 容量
- 捕捉した
- これ
- 場合
- 例
- CD
- センター
- 変化する
- 特性
- 課金
- チェック
- 選択する
- クライアント
- クライアント
- クラウド
- Cloud9
- コード
- comes
- コマンドと
- 一般に
- コンプリート
- 複雑な
- 計算
- コンピュータ
- 領事
- 構築する
- コンサルティング
- 消費
- 含まれている
- コンテナ
- 含まれています
- コンテンツ
- コンテキスト
- 貢献する
- コントロール
- 会話
- 会話
- 正しい
- 費用
- 作ります
- 作成した
- 作成します。
- 創造
- CTO
- 電流プローブ
- カスタム
- 顧客
- 顧客満足体験
- 顧客サービス
- Customers
- カスタマイズ
- 最先端
- データ
- データサイエンス
- 中
- 数十年
- デフォルト
- 定義する
- 実証
- 実証
- 依存関係
- 依存
- 展開します
- 展開
- 展開する
- 展開
- 配備する
- 説明
- 破壊する
- 開発する
- 開発者
- 開発
- 異なります
- ディスプレイ
- 混乱する
- デッカー
- ドキュメント
- 行われ
- ドント
- ダウン
- 各
- 簡単に
- 簡単に
- 効果的に
- 効率良く
- enable
- 可能
- end
- エンドポイント
- エンジニア
- 入力します
- 環境
- 環境
- 推定
- あらゆる
- 毎日
- みんなの
- 例
- 例
- エキサイティング
- 体験
- 伸ばす
- 広範囲
- 顔
- false
- おなじみの
- 家族
- 特徴
- 少数の
- フィールド
- フィールズ
- File
- もう完成させ、ワークスペースに掲示しましたか?
- 名
- フォーカス
- フォロー中
- 次
- 強
- Foundation
- 分数
- フレームワーク
- から
- フル
- function
- 機能的な
- 機能
- ゲートウェイ
- 集める
- 集まり
- 一般的用途
- 生成された
- 世代
- 生々しい
- 生成AI
- 取得する
- Gitの
- グローバル
- グローバルに
- 成長
- 持ってる
- 持って
- he
- 助けます
- 助け
- 高品質
- 彼の
- ホーム
- host
- 主催
- HOURS
- 認定条件
- How To
- HTML
- HTTP
- HTTPS
- ICT
- 考え
- if
- 画像
- 画像
- 想像力
- 実装する
- 実装
- import
- in
- 含めて
- 組み込む
- 産業
- 産業を変えます
- 無限
- 変曲点
- 情報
- インフラ関連事業
- install
- インストール
- インストール
- を取得する必要がある者
- 統合する
- 統合
- 相互作用する
- インタフェース
- に
- 招待
- 問題
- IT
- 参加
- ジョイント
- JPG
- JSON
- 韓国語
- 着陸
- 言語
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- 大
- 後で
- 最新の
- 起動する
- 打ち上げ
- 発射
- つながる
- リーダー
- リーダーシップ
- リード
- LEARN
- 学習
- コメントを残す
- 図書館
- ライセンス
- ライセンス
- ような
- LIMIT
- LINE
- リスト
- 耳を傾ける
- リスト
- LLM
- 負荷
- ローカル
- 位置して
- 機械
- 機械学習
- マシン
- 製
- メイン
- make
- 作る
- 管理します
- 管理
- マネージャー
- 多くの
- 大規模な
- メニュー
- かもしれない
- 移動します
- 移行
- 分
- マサチューセッツ工科大学(MIT)
- ML
- モデル
- 近代化します
- 修正されました
- 他には?
- 動画
- の試合に
- 音楽を聴く際のスピーカーとして
- しなければなりません
- 名
- ナチュラル
- 自然
- ナビゲーション
- 必要
- ニーズ
- ネットワーク
- 新作
- 次の
- 今
- 数
- of
- オファー
- on
- ONE
- 継続
- の
- オープンソース
- オープンソースソフトウェア
- 開きます
- or
- 注文
- 組織
- オリジナル
- その他
- 私たちの
- 出力
- が
- 概要
- 自分の
- パッケージ
- ページ
- ペイン
- パラダイム
- パラメーター
- パラメータ
- パートナー
- パートナー
- 通過
- 実行する
- 相
- 電話
- 画像
- 計画
- 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
- 可能性
- ポスト
- 潜在的な
- パワード
- 強力な
- 前提条件
- 印刷物
- 事前の
- プライベート
- 問題
- 生産
- プログラミング
- プログラミング言語
- プロジェクト
- プロジェクト(実績作品)
- 提供します
- は、大阪で
- 公共
- パブリッククラウド
- 公然と
- Python
- クエリ
- すぐに
- 範囲
- 急速な
- 急速に
- 準備
- 最近
- 言及
- に対する
- 地域
- 関連する
- 倉庫
- の提出が必要です
- 要件
- リソースを追加する。
- リソース
- それらの
- レビュー
- 革命
- 右
- 職種
- ルート
- ラン
- ランニング
- セージメーカー
- セールス
- 同じ
- 規模
- サイエンスフィクション
- 科学
- スクラッチ
- SDDK
- 二番
- 秒
- セクション
- セキュリティ
- シーズ
- 自己
- シニア
- 感情
- ソウル
- サーバレス
- サーバー
- サービス
- サービス
- セッションに
- シェアする
- シフト
- すべき
- 表示する
- 示されました
- 示す
- 作品
- 簡単な拡張で
- から
- シンガポール
- サイズ
- 小さい
- EMSの
- So
- ソフトウェア
- ソフトウェア開発
- 溶液
- ソリューション
- 一部
- ソース
- スペース
- 専門家
- 特定の
- 指定の
- 安定した
- スタック
- スタック
- 標準
- 開始
- スタートアップ
- スタートアップ
- 手順
- ステップ
- Force Stop
- ストレージ利用料
- 店舗
- 保存され
- 店舗
- ストーリー
- 戦略
- 構造
- サブネット
- サポート
- システム
- 取り
- 仕事
- タスク
- チーム
- 技術的
- テクニック
- テクノロジー
- テクノロジー
- 伝える
- テンプレート
- test
- テスト
- それ
- アプリ環境に合わせて
- それら
- その後
- ボーマン
- この
- 介して
- 時間
- タイタン
- 〜へ
- ツールキット
- 豊富なツール群
- 伝統的な
- 伝統的な
- トレーニング
- 訓練された
- トレーニング
- 最適化の適用
- トレンド
- true
- 真に
- 順番
- チュートリアル
- 2
- type
- 典型的な
- 一般的に
- 下
- 理解する
- 発表
- 更新
- アップグレード
- つかいます
- 使用事例
- 中古
- ユーザー
- ユーザーインターフェース
- 活用する
- さまざまな
- 広大な
- 確認する
- バージョン
- 、
- 動画
- 詳しく見る
- バーチャル
- 事実上
- 訪問
- 欲しいです
- ました
- 見ている
- 仕方..
- we
- ウェブ
- ウェブアプリケーション
- Webサービス
- WELL
- which
- while
- ワイド
- 広い範囲
- 広範囲
- Wikipedia
- 意志
- ウィンドウズ
- 無し
- 仕事
- 働いていました
- ワークフロー
- 年
- You
- あなたの
- ゼファーネット
- ゾーン