이 게시물은 Salesforce Einstein AI의 제품 이사인 Daryl Martis가 공동 작성했습니다.
이것은 Salesforce Data Cloud의 통합을 논의하는 시리즈의 세 번째 게시물입니다. 아마존 세이지 메이커.
In 파트 1 및 파트 2에서는 SageMaker와 Salesforce Data Cloud 및 Einstein Studio 통합을 통해 기업이 SageMaker를 사용하여 Salesforce 데이터에 안전하게 액세스하고 해당 도구를 사용하여 SageMaker에서 호스팅되는 엔드포인트에 모델을 구축, 훈련 및 배포하는 방법을 보여줍니다. SageMaker 엔드포인트를 Salesforce 데이터 클라우드에 등록하여 Salesforce에서 예측을 활성화할 수 있습니다.
이 게시물에서는 비즈니스 분석가와 시민 데이터 과학자가 코드 없이 기계 학습(ML) 모델을 생성할 수 있는 방법을 보여줍니다. Amazon SageMaker 캔버스 Salesforce Einstein Studio와의 통합을 위해 훈련된 모델을 배포하여 강력한 비즈니스 응용 프로그램을 만듭니다. SageMaker Canvas는 Salesforce Data Cloud의 데이터에 액세스하고 단 몇 번의 클릭만으로 모델을 구축, 테스트 및 배포할 수 있는 코드 없는 환경을 제공합니다. 또한 SageMaker Canvas를 사용하면 기능 중요도와 SHAP 값을 사용하여 예측을 이해할 수 있으므로 ML 모델에서 수행한 예측을 쉽게 설명할 수 있습니다.
SageMaker 캔버스
SageMaker Canvas를 사용하면 비즈니스 분석가 및 데이터 과학 팀이 코드 한 줄도 작성하지 않고도 ML 및 생성 AI 모델을 구축하고 사용할 수 있습니다. SageMaker Canvas는 분류, 회귀, 예측, 자연어 처리(NLP) 및 컴퓨터 비전(CV)에 대한 정확한 ML 예측을 생성하기 위한 시각적 포인트 앤 클릭 인터페이스를 제공합니다. 또한 다음에서 기초 모델(FM)에 액세스하고 평가할 수 있습니다. 아마존 기반암 또는 공개 FM Amazon SageMaker 점프스타트 생성적 AI 솔루션을 지원하기 위한 콘텐츠 생성, 텍스트 추출 및 텍스트 요약을 위한 것입니다. SageMaker 캔버스를 사용하면 다음을 수행할 수 있습니다. 어디서나 구축된 ML 모델 가져오기 SageMaker Canvas에서 직접 예측을 생성합니다.
Salesforce 데이터 클라우드 및 Einstein Studio
Salesforce Data Cloud는 모든 접점에서 고객 데이터의 실시간 업데이트를 기업에 제공하는 데이터 플랫폼입니다.
Einstein Studio는 Salesforce Data Cloud의 AI 도구에 대한 게이트웨이입니다. Einstein Studio를 사용하면 관리자와 데이터 과학자는 몇 번의 클릭이나 코드를 사용하여 쉽게 모델을 만들 수 있습니다. Einstein Studio의 BYOM(Bring Your Own Model) 환경은 SageMaker와 같은 외부 플랫폼의 사용자 정의 또는 생성 AI 모델을 Salesforce Data Cloud에 연결하는 기능을 제공합니다.
솔루션 개요
SageMaker Canvas를 사용하여 Salesforce Data Cloud의 데이터를 사용하여 ML 모델을 구축하는 방법을 보여주기 위해 제품을 추천하는 예측 모델을 생성합니다. 이 모델은 고객 인구통계, 마케팅 참여, 구매 내역 등 Salesforce Data Cloud에 저장된 기능을 사용합니다. 제품 추천 모델은 Salesforce Data Cloud의 데이터를 사용하는 SageMaker Canvas 노코드 사용자 인터페이스를 사용하여 구축 및 배포됩니다.
우리는 다음을 사용합니다 샘플 데이터 세트 에 저장 아마존 단순 스토리지 서비스 (아마존 S3). Salesforce Data Cloud에서 이 데이터세트를 사용하려면 다음을 참조하세요. 데이터 클라우드에서 Amazon S3 데이터 스트림 생성. 모델을 생성하려면 다음 속성이 필요합니다.
- 클럽 회원 – 고객이 클럽 회원인 경우
- 운동 – 고객이 속한 캠페인
- 주 정부 – 고객이 거주하는 시/도
- 달 – 구매한 달
- 사례 수 – 고객이 제기한 건수
- 케이스 유형 반환 – 고객이 지난 XNUMX년 이내에 제품을 반품했는지 여부
- 케이스 유형 발송물 손상됨 – 고객이 지난 XNUMX년 동안 손상된 발송물이 있었는지 여부
- 참여 점수 – 고객의 참여 수준(메일 캠페인에 대한 응답, 온라인 상점 로그인 등)
- 보유 – 회사와 고객 관계의 기간
- 클릭 – 고객이 구매 전 일주일 동안 클릭한 평균 수
- 방문한 페이지 – 고객이 구매 전 일주일 동안 방문한 평균 페이지 수
- 구매 한 제품 – 실제 구매한 제품
다음 단계에서는 SageMaker Canvas에서 출시된 Salesforce Data Cloud 커넥터를 사용하여 기업 데이터에 액세스하고 예측 모델을 구축하는 방법에 대한 개요를 제공합니다.
- SageMaker Canvas 도메인을 등록하도록 Salesforce 연결 앱을 구성합니다.
- SageMaker Canvas에서 Salesforce Data Cloud용 OAuth를 설정합니다.
- 내장된 SageMaker Canvas Salesforce Data Cloud 커넥터를 사용하여 Salesforce Data Cloud 데이터에 연결하고 데이터 세트를 가져옵니다.
- SageMaker Canvas에서 모델을 구축하고 훈련하세요.
- SageMaker Canvas에 모델을 배포하고 예측합니다.
- 배포 아마존 API 게이트웨이 엔드포인트를 SageMaker 추론 엔드포인트에 대한 프런트엔드 연결로 사용합니다.
- Einstein Studio에 API 게이트웨이 엔드포인트를 등록합니다. 지침은 다음을 참조하세요. 자체 AI 모델을 데이터 클라우드로 가져오기.
다음 다이어그램은 솔루션 아키텍처를 보여줍니다.
사전 조건
시작하기 전에 다음 사전 조건 단계를 완료하여 SageMaker 도메인을 생성하고 SageMaker Canvas를 활성화하십시오.
- 를 생성 아마존 세이지 메이커 스튜디오 도메인. 지침은 다음을 참조하세요. Amazon SageMaker 도메인에 온보딩.
- 사용자 프로필에서 생성되어 사용될 도메인 ID와 실행 역할을 기록해 두세요. 후속 단계에서 이 역할에 권한을 추가합니다.
다음 스크린샷은 이 게시물을 위해 생성한 도메인을 보여줍니다.
- 다음으로 사용자 프로필로 이동하여 편집.
- 로 이동 Amazon SageMaker 캔버스 설정 섹션을 선택하고 캔버스 기본 권한 활성화.
- 선택 Canvas 모델의 직접 배포 활성화 및 모든 사용자에 대해 모델 레지스트리 권한 활성화.
이를 통해 SageMaker Canvas는 SageMaker 콘솔의 엔드포인트에 모델을 배포할 수 있습니다. 이러한 설정은 도메인 또는 사용자 프로필 수준에서 구성할 수 있습니다. 사용자 프로필 설정은 도메인 설정보다 우선합니다.
Salesforce 연결된 앱 만들기 또는 업데이트
다음으로 SageMaker Canvas에서 Salesforce Data Cloud로의 OAuth 흐름을 활성화하기 위해 Salesforce 연결 앱을 생성합니다. 다음 단계를 완료하세요.
- Salesforce에 로그인하고 다음으로 이동합니다. 설정.
- 에 대한 검색 앱 관리자 새 연결된 앱을 만듭니다.
- 다음 입력을 제공합니다.
- 럭셔리 연결된 앱 이름이름을 입력하십시오.
- 럭셔리 API 이름, 기본값으로 둡니다(자동으로 채워짐).
- 럭셔리 이메일 문의, 연락처 이메일 주소를 입력합니다.
- 선택 OAuth 설정 활성화.
- 럭셔리 콜백 URL, 입력
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
을 클릭하고 SageMaker 도메인의 도메인 ID와 리전을 제공합니다.
- 연결된 앱에서 다음 범위를 구성합니다.
- API를 통해 사용자 데이터 관리(
api
). - 언제든지 요청 수행(
refresh_token
,offline_access
). - Salesforce Data Cloud 데이터에 대해 ANSI SQL 쿼리를 수행합니다(데이터
Cloud_query_api
). - Data Cloud 프로필 데이터 관리(
Data Cloud_profile_api
). - ID URL 서비스에 액세스합니다(
id
,profile
,email
,address
,phone
). - 고유한 사용자 식별자에 액세스(
openid
).
- API를 통해 사용자 데이터 관리(
- 연결된 앱 설정 IP 완화 설정을 IP 제한을 완화하세요.
Salesforce Data Cloud 커넥터에 대한 OAuth 설정 구성
SageMaker 캔버스 사용 AWS 비밀 관리자 Salesforce 연결된 앱의 연결 정보를 안전하게 저장합니다. SageMaker Canvas를 사용하면 관리자가 개별 사용자 프로필 또는 도메인 수준에서 OAuth 설정을 구성할 수 있습니다. 도메인과 사용자 프로필 모두에 비밀을 추가할 수 있지만 SageMaker Canvas는 먼저 사용자 프로필에서 비밀을 찾습니다.
OAuth 설정을 구성하려면 다음 단계를 완료하세요.
- SageMaker 콘솔에서 도메인 또는 사용자 프로필 설정 편집으로 이동합니다.
- 왼쪽 메뉴에서 캔버스 설정 탐색 창에서
- $XNUMX Million 미만 OAuth 설정에 대한 데이터 소스선택한다. 세일즈포스 데이터 클라우드.
- 럭셔리 비밀 설정, 새 비밀을 생성하거나 기존 비밀을 사용할 수 있습니다. 이 예에서는 새 비밀을 만들고 Salesforce 연결된 앱에서 클라이언트 ID와 클라이언트 비밀을 입력합니다.
SageMaker Canvas에서 OAuth 활성화에 대한 자세한 내용은 다음을 참조하십시오. Salesforce Data Cloud용 OAuth 설정.
이로써 AI 및 ML 모델을 구축하기 위해 Salesforce Data Cloud에서 SageMaker Canvas로의 데이터 액세스를 활성화하는 설정이 완료되었습니다.
Salesforce Data Cloud에서 데이터 가져오기
데이터를 가져오려면 다음 단계를 완료하십시오.
- SageMaker 도메인으로 생성한 사용자 프로필에서 다음을 선택합니다. 실행 선택 캔버스.
Canvas 앱에 처음 액세스하면 생성하는 데 약 10분 정도 걸립니다.
- 왼쪽 메뉴에서 데이터 랭글러 탐색 창에서
- 에 만들기 메뉴, 선택 표의 테이블 형식 데이터 세트를 생성합니다.
- 데이터세트 이름을 지정하고 선택합니다. 만들기.
- 럭셔리 데이터 소스선택한다. 세일즈포스 데이터 클라우드 및 연결 추가 데이터 레이크 개체를 가져옵니다.
이전에 Salesforce Data Cloud에 대한 연결을 구성한 경우 새 연결을 만드는 대신 해당 연결을 사용하는 옵션이 표시됩니다.
- 새로운 Salesforce Data Cloud 연결의 이름을 제공하고 선택합니다. 연결 추가.
완료하는 데 몇 분 정도 걸립니다.
- 당신은로 리디렉션됩니다 세일즈포스 로그인 연결을 승인하는 페이지입니다.
로그인이 성공하면 요청은 데이터 Lake 객체 목록과 함께 SageMaker Canvas로 다시 리디렉션됩니다.
- Amazon S3를 통해 업로드된 모델 훈련 기능이 포함된 데이터 세트를 선택합니다.
- 파일을 드래그 앤 드롭한 다음 선택하세요. SQL에서 편집.
Salesforce는 다음을 추가합니다. “__c
"를 모든 Data Cloud 개체 필드에 적용합니다. SageMaker Canvas 명명 규칙에 따라 ”__“
필드 이름에는 허용되지 않습니다.
- SQL을 편집하여 열 이름을 바꾸고 모델 학습과 관련되지 않은 메타데이터를 삭제하세요. 테이블 이름을 개체 이름으로 바꿉니다.
- 왼쪽 메뉴에서 SQL 실행 그리고 데이터 세트 만들기.
- 데이터 세트를 선택하고 모델 만들기.
- 제품 추천을 예측하는 모델을 생성하려면 모델 이름을 제공하고 예측 분석 for
문제 유형, 선택 만들기.
모델 빌드 및 학습
모델을 구축하고 학습하려면 다음 단계를 완료하세요.
- 모델이 출시된 후 타겟 열을 다음으로 설정합니다.
product_purchased
.
SageMaker 캔버스에는 각 열과 대상 열의 주요 통계 및 상관 관계가 표시됩니다. SageMaker Canvas는 구축을 시작하기 전에 모델을 미리 보고 데이터를 검증할 수 있는 도구를 제공합니다.
- 모델 미리보기 기능을 사용하여 모델의 정확성을 확인하고 데이터 세트를 검증하여 모델을 구축하는 동안 문제를 방지하세요.
- 데이터를 검토하고 데이터세트를 변경한 후 빌드 유형을 선택하세요. 그만큼 빠른 빌드 옵션이 더 빠를 수도 있지만 데이터의 하위 집합만 사용하여 모델을 구축합니다. 이 게시물의 목적을 위해 우리는 다음을 선택했습니다. 표준 빌드 옵션을 선택합니다.
표준 빌드를 완료하는 데 2~4시간이 걸릴 수 있습니다.
SageMaker Canvas는 모델을 구축하는 동안 데이터 세트의 누락된 값을 자동으로 처리합니다. 또한 ML용 데이터를 준비할 수 있도록 다른 데이터 준비 변환도 적용됩니다.
- 모델 구축이 시작된 후 페이지를 떠날 수 있습니다.
모델이 다음과 같이 표시되면 준비 를 시청하여 이에 대해 더 많은 정보를 얻을 수 있습니다. 내 모델 페이지에서 분석과 예측을 할 준비가 되었습니다.
- 모델이 빌드된 후 다음으로 이동합니다. My 모델선택한다. 관측 생성한 모델을 확인하고 최신 버전을 선택하세요.
- 로 이동 분석 탭을 클릭하면 각 기능이 예측에 미치는 영향을 확인할 수 있습니다.
- 모델 예측에 대한 추가 정보를 보려면 점수 탭.
- 왼쪽 메뉴에서 예측 제품 예측을 시작합니다.
모델 배포 및 예측
모델을 배포하고 예측을 시작하려면 다음 단계를 완료하세요.
- 일괄 예측 또는 단일 예측을 수행하도록 선택할 수 있습니다. 이 게시물의 목적에 따라 우리는 단일 예측.
당신이 선택할 때 단일 예측, SageMaker Canvas에는 입력을 제공할 수 있는 기능이 표시됩니다.
- 선택하여 값을 변경할 수 있습니다. 업데이트 실시간 예측을 확인하세요.
모델의 정확도와 특정 예측에 대한 각 기능의 영향이 표시됩니다.
- 모델을 배포하려면 배포 이름을 제공하고 인스턴스 유형과 인스턴스 수를 선택한 후 배포.
모델 배포에는 몇 분 정도 걸립니다.
모델 상태가 다음으로 업데이트됩니다. 서비스에서 배포가 성공한 후.
SageMaker Canvas는 배포를 테스트하는 옵션을 제공합니다.
- 왼쪽 메뉴에서 세부 정보보기.
XNUMXD덴탈의 세부 정보 탭에서는 모델 끝점 세부 정보를 제공합니다. 인스턴스 유형, 개수, 입력 형식, 응답 콘텐츠 및 엔드포인트가 표시되는 주요 세부 정보 중 일부입니다.
- 왼쪽 메뉴에서 테스트 배포 배포된 엔드포인트를 테스트합니다.
단일 예측과 유사하게 보기에는 입력 기능이 표시되고 엔드포인트를 실시간으로 업데이트하고 테스트할 수 있는 옵션이 제공됩니다.
엔드포인트 호출 결과와 함께 새로운 예측이 사용자에게 반환됩니다.
SageMaker 엔드포인트를 노출하는 API 생성
Salesforce에서 비즈니스 애플리케이션을 강화하는 예측을 생성하려면 API 게이트웨이를 통해 SageMaker Canvas 배포로 생성된 SageMaker 추론 엔드포인트를 노출하고 Salesforce Einstein에 등록해야 합니다.
요청 및 응답 형식은 Salesforce Einstein과 SageMaker 추론 엔드포인트 간에 다릅니다. API 게이트웨이를 사용하여 변환을 수행하거나 AWS 람다 요청을 변환하고 응답을 매핑합니다. 인용하다 Amazon API Gateway 및 AWS Lambda를 사용하여 Amazon SageMaker 모델 엔드포인트 호출 Lambda 및 API 게이트웨이를 통해 SageMaker 엔드포인트를 노출합니다.
다음 코드 조각은 요청과 응답을 변환하는 Lambda 함수입니다.
업데이트 endpoint
및 prediction_label
구성에 따라 Lambda 함수의 값.
- 환경 변수 추가
SAGEMAKER_ENDPOINT_NAME
SageMaker 추론 엔드포인트를 캡처합니다. - Einstein Studio에 등록된 모델 출력 JSON 키와 일치하도록 예측 레이블을 설정합니다.
Lambda 함수의 기본 제한 시간은 3초입니다. 예측 요청 입력 크기에 따라 SageMaker 실시간 추론 API가 응답하는 데 3초 이상 걸릴 수 있습니다.
- Lambda 함수 제한 시간을 늘리되 제한 시간 미만으로 유지하세요. API Gateway 기본 통합 시간 초과, 29초입니다.
Salesforce Einstein Studio에 모델 등록
Einstein Studio에서 API Gateway 엔드포인트를 등록하려면 다음을 참조하십시오. 자체 AI 모델을 데이터 클라우드로 가져오기.
결론
이 게시물에서는 SageMaker Canvas를 사용하여 Salesforce Data Cloud에 연결하고 코드 한 줄도 작성하지 않고도 자동화된 ML 기능을 통해 예측을 생성하는 방법을 설명했습니다. 전체 데이터 세트로 모델을 교육하는 표준 빌드를 실행하기 전에 모델 성능의 초기 미리 보기를 수행하는 SageMaker Canvas 모델 빌드 기능을 시연했습니다. 또한 SageMaker Canvas 내의 단일 예측 인터페이스를 사용하고 기능 중요도를 사용하여 예측을 이해하는 등 모델 생성 후 활동을 선보였습니다. 다음으로, SageMaker Canvas에서 생성된 SageMaker 엔드포인트를 사용하고 이를 API로 제공하여 Salesforce Einstein Studio와 통합하고 강력한 Salesforce 애플리케이션을 만들 수 있습니다.
다음 게시물에서는 SageMaker Canvas에서 Salesforce Data Cloud의 데이터를 사용하여 시각적 인터페이스와 간단한 자연어 프롬프트를 통해 데이터 통찰력과 준비를 더욱 간단하게 만드는 방법을 보여 드리겠습니다.
SageMaker Canvas를 시작하려면 다음을 참조하십시오. SageMaker Canvas 몰입일 그리고 참조 Amazon SageMaker 캔버스 시작하기.
저자 소개
대릴 마티스 Salesforce Data Cloud의 Einstein Studio 제품 부문 이사입니다. 그는 AI/ML 및 클라우드 솔루션을 포함하여 기업 고객을 위한 세계적 수준의 솔루션을 계획, 구축, 출시 및 관리하는 데 10년 이상의 경험을 보유하고 있습니다. 그는 이전에 뉴욕시 금융 서비스 업계에서 근무했습니다. 그를 따라가세요 링크드 인.
라크나 차다 AWS Strategic Accounts의 수석 솔루션 아키텍트 AI/ML입니다. Rachna는 AI의 윤리적이고 책임 있는 사용이 미래의 사회를 개선하고 경제 및 사회적 번영을 가져올 수 있다고 믿는 낙관론자입니다. 여가 시간에 Rachna는 가족과 함께 시간을 보내고, 하이킹을 하고, 음악을 듣는 것을 좋아합니다.
이페 스튜어트 AWS 전략적 ISV 부문의 수석 솔루션 아키텍트입니다. 그녀는 지난 2년 동안 Salesforce Data Cloud와 협력하여 Salesforce와 AWS에서 통합된 고객 경험을 구축하는 데 도움을 주었습니다. Ife는 기술 분야에서 10년 이상의 경험을 가지고 있습니다. 그녀는 기술 분야의 다양성과 포용성을 옹호합니다.
라비 바티프롤루 AWS의 수석 파트너 솔루션 아키텍트입니다. Ravi는 전략적 파트너인 Salesforce 및 Tableau와 협력하여 공동 고객이 비즈니스 목표를 실현하는 데 도움이 되는 혁신적이고 잘 구성된 제품과 솔루션을 제공합니다.
미리암 레보비츠 AWS의 전략적 ISV 부문의 솔루션 아키텍트입니다. 그녀는 Salesforce Data Cloud를 포함하여 Salesforce 전반의 팀과 협력하고 있으며 데이터 분석을 전문으로 합니다. 업무 외에 그녀는 베이킹, 여행, 친구 및 가족과 함께 좋은 시간을 보내는 것을 즐깁니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- :있다
- :이다
- :아니
- $UP
- 1
- 10
- 100
- 29
- 7
- 8
- a
- 소개
- ACCESS
- 계정
- 정확한
- 가로질러
- 방과 후 액티비티
- 실제
- 더하다
- 또한
- 추가
- 추가 정보
- 주소
- 추가
- 관리자
- 변호사
- 후
- AI
- AI 모델
- AI / ML
- All
- 수
- 수
- 따라
- 또한
- 아마존
- 아마존 API 게이트웨이
- 아마존 세이지 메이커
- Amazon SageMaker 캔버스
- Amazon Web Services
- an
- 분석
- 애널리스트
- 분석
- 및
- 어떤
- API를
- API
- 앱
- 어플리케이션
- 신청
- 아키텍처
- 있군요
- AS
- At
- 속성
- 권한을 부여하다
- 자동화
- 자동적으로
- 가능
- 평균
- AWS
- 뒤로
- 기지
- 기반으로
- BE
- 된
- 전에
- 시작하다
- 생각
- 이하
- 사이에
- 몸
- 두
- 가져
- 빌드
- 건물
- 빌드
- 내장
- 내장
- 사업
- 비즈니스 응용 프로그램
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 캘리포니아
- 운동
- 캠페인
- CAN
- 캔버스
- 능력
- 포착
- 가지 경우
- 이전 단계로 돌아가기
- 변경
- 왼쪽 메뉴에서
- 선택
- 시민
- City
- 분류
- 클라이언트
- 클라우드
- 클럽
- 암호
- 단
- 열
- 완전한
- 완료
- 컴퓨터
- 컴퓨터 비전
- 행위
- 구성
- 구성
- 연결하기
- 연결
- 연결
- 콘솔에서
- CONTACT
- 이 포함되어 있습니다
- 함유량
- 컨텐츠 생성
- 문맥
- 컨벤션
- 상관 관계
- 수
- 만들
- 만든
- 만들기
- 창조
- 관습
- 고객
- 고객 데이터
- 고객
- 데이터
- 데이터 액세스
- 데이터 분석
- 데이터 레이크
- 데이터 플랫폼
- 데이터 과학
- 태만
- 배달하다
- 민주화하다
- 인구 통계
- 보여
- 시연
- 의존
- 배포
- 배포
- 전개
- 배포
- 세부설명
- 곧장
- 직접
- 책임자
- 토론
- 표시된
- 디스플레이
- 다양성
- 다양성과 포용
- 도메인
- 아래 (down)
- 드롭
- 마다
- 초기의
- 간결한
- 자연스럽게
- 아인슈타인
- 중
- 이메일
- 가능
- 수
- 가능
- 종점
- 종사하는
- 약혼
- 계약
- 엔터 버튼
- Enterprise
- 환경
- 윤리적인
- 평가
- 조차
- 이벤트
- 예
- 실행
- 현존하는
- 경험
- 체험
- 설명
- 설명
- 외부
- 추출
- 가족
- 빠른
- 특색
- 특징
- 를
- 들
- Fields
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 금융
- 금융 서비스
- 먼저,
- 처음으로
- 흐름
- 따라
- 수행원
- 럭셔리
- 체재
- Foundation
- 친구
- 에
- 가득 찬
- 기능
- 미래
- 게이트웨이
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 얻을
- 주기
- Go
- 했다
- 처리
- 데
- he
- 도움
- 그녀의
- 그를
- history
- 호스팅
- 진료 시간
- 방법
- How To
- HTML
- HTTP
- HTTPS
- ID
- 식별자
- 통합 인증
- if
- 설명하다
- 담금
- 영향
- import
- 중요성
- 개선
- in
- 포함
- 포함
- 개인
- 산업
- 정보
- 시작
- 혁신적인
- 입력
- 입력
- 통찰력
- 예
- 를 받아야 하는 미국 여행자
- 명령
- 통합
- 통합 된
- 완성
- 인터페이스
- IP
- 문제
- isv
- IT
- 그
- 관절
- JPG
- JSON
- 다만
- 유지
- 키
- 라벨
- 소금물
- 언어
- 성
- 시작
- 진수
- 배우기
- 휴가
- 레벨
- 처럼
- 좋아하는
- 라인
- 링크드인
- 청취
- 리스팅
- 로그인
- 봐라.
- 기계
- 기계 학습
- 만든
- 메일 링
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- 지도
- 마케팅
- 경기
- XNUMX월..
- 메타 데이터
- 회의록
- 누락
- ML
- 모델
- 모델
- 달
- 배우기
- 가장
- 음악
- name
- 이름
- 명명
- 자연의
- 자연 언어 처리
- 이동
- 카테고리
- 필요
- 필요
- 신제품
- 뉴욕
- 뉴욕시
- 다음 것
- nlp
- 주의
- 번호
- 맹세
- 대상
- 목표
- of
- on
- ONE
- 온라인
- 만
- 선택권
- or
- OS
- 기타
- 출력
- 외부
- 위에
- 개요
- 자신의
- 페이지
- 페이지
- 빵
- 부품
- 파트너
- 파트너
- 용
- 수행
- 성능
- 권한
- 계획
- 플랫폼
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 포인트 적립
- 인구가 많은
- 게시하다
- 힘
- 강한
- 예측
- 예측
- 예측
- 준비
- 예방
- 시사
- 이전에
- 교장
- 이전에
- 처리
- 프로덕트
- 제품
- 프로필
- 프롬프트
- 번영
- 제공
- 제공
- 공개
- 매수
- 목적
- 품질
- 쿼리
- 높인
- 준비
- 현실
- 실시간
- 실현
- 최근
- 권하다
- 추천
- 참조
- 지방
- 회원가입
- 등록된
- 레지스트리
- 관계
- 관련된
- 교체
- 의뢰
- 요청
- 응답
- 응답
- 책임
- 제한
- 결과
- return
- 리뷰
- 직위별
- 달리는
- 런타임
- 현자
- SageMaker 추론
- 영업
- 과학
- 과학자
- 초
- 비밀
- 비밀
- 섹션
- 안전하게
- 참조
- 분절
- 고르다
- 선택된
- 연속
- 서비스
- 서비스
- 세트
- 설정
- 설정
- 설치
- 그녀
- 표시
- 전시
- 쇼
- 단순, 간단, 편리
- 단일
- 크기
- 단편
- So
- 사회적
- 사회
- 해결책
- 솔루션
- 일부
- 전문적으로
- 구체적인
- 지출
- 표준
- 스타트
- 시작
- 주 정부
- 통계
- Status
- 단계
- 스튜어트
- 저장
- 저장
- 저장
- 똑 바른
- 전략의
- 전략적 파트너
- 흐름
- 스튜디오
- 후속의
- 성공한
- 이러한
- SUPPORT
- 테이블
- Tableau
- 받아
- 목표
- 팀
- Technology
- test
- 본문
- 보다
- 그
- XNUMXD덴탈의
- 미래
- 국가
- 그들의
- 그때
- Bowman의
- 제삼
- 이
- 을 통하여
- 시간
- 에
- 검색을
- 터치
- Train
- 훈련 된
- 생각하는
- 기차
- 변환
- 변환
- 변환
- 여행
- 유형
- 이해
- 이해
- 유일한
- 곧 출시
- 업데이트
- 업데이트
- 업데이트
- 업로드
- URL
- 사용
- 익숙한
- 사용자
- 시간을 아껴주는 인터페이스
- 사용
- 사용
- 유효 기간
- 마케팅은:
- 변수
- 버전
- 를 통해
- 관측
- 시력
- 방문
- 시각
- 였다
- 워싱턴
- we
- 웹
- 웹 서비스
- 주
- 잘
- 여부
- 어느
- 동안
- 누구
- 의지
- 과
- 이내
- 없이
- 작업
- 일
- 일
- 워크숍
- 세계적 수준의
- 쓰다
- 쓰기
- 년
- 요크
- 자신의
- 너의
- 제퍼 넷