생성적 AI 솔루션 생산성을 높이고 고객 경험을 개선하여 비즈니스를 변화시킬 수 있는 잠재력을 갖고 있으며 이러한 솔루션과 함께 LLM(대형 언어 모델)을 사용하는 것이 점점 더 인기를 얻고 있습니다. 개념 증명 구축은 최첨단 기술을 사용하기 때문에 상대적으로 간단합니다. 기초 모델 간단한 API 호출을 통해 전문 공급자로부터 사용할 수 있습니다. 따라서 다양한 규모와 다양한 업계의 조직이 생성 AI를 사용하여 제품과 프로세스를 재구성하기 시작했습니다.
풍부한 일반 지식에도 불구하고 최첨단 LLM은 교육을 받은 정보에만 접근할 수 있습니다. 이로 인해 LLM이 교육 중에 보지 못한 정보를 기반으로 텍스트를 생성하라는 메시지가 표시될 때 사실적 부정확성(환각)이 발생할 수 있습니다. 따라서 모델이 환각의 위험을 줄이면서 보다 정확하고 상황에 맞는 응답을 생성할 수 있도록 LLM의 일반 지식과 독점 데이터 간의 격차를 줄이는 것이 중요합니다. 기존의 미세 조정 방법은 효과적이지만 계산 집약적이고 비용이 많이 들 수 있으며 기술 전문 지식이 필요합니다. 고려해야 할 또 다른 옵션은 다음과 같습니다. 검색 증강 생성(RAG), 쉽게 업데이트할 수 있는 외부 지식 소스의 추가 정보를 LLM에 제공합니다.
또한 기업은 개인 데이터나 지적 재산과 같은 독점적이고 민감한 데이터를 처리할 때 데이터 보안을 보장해야 합니다. 이는 금융 서비스, 의료, 생명과학 등 규제가 엄격한 산업 분야에서 운영되는 조직에 특히 중요합니다. 따라서 생성 AI 애플리케이션을 통해 데이터 흐름을 이해하고 제어하는 것이 중요합니다. 모델은 어디에 있습니까? 데이터는 어디에서 처리되나요? 누가 데이터에 접근할 수 있나요? 데이터가 모델을 훈련하는 데 사용되어 결국 공개 LLM에 민감한 데이터가 유출될 위험이 있습니까?
이 게시물에서는 기업이 독점 데이터에 대한 완전한 통제권을 유지하면서 정확하고 투명하며 안전한 생성 AI 애플리케이션을 구축할 수 있는 방법에 대해 설명합니다. 제안된 솔루션은 AI 기반 기술 스택을 사용하는 RAG 파이프라인입니다. 이 파이프라인의 구성 요소는 AI 기능을 나중에 추가하는 것이 아니라 처음부터 AI를 핵심으로 설계되었습니다. 다음을 사용하여 엔드투엔드 RAG 애플리케이션을 구축하는 방법을 보여줍니다. Cohere의 언어 모델 을 통하여 아마존 기반암 및 AWS Marketplace의 벡터 데이터베이스 구축. 함께 제공되는 소스 코드는 관련 GitHub 저장소 Weaviate에서 호스팅합니다. AWS는 파트너 리포지토리의 코드를 유지 관리하거나 업데이트할 책임이 없지만 고객이 원하는 업데이트와 관련하여 Weaviate에 직접 연결하는 것이 좋습니다.
솔루션 개요
다음 상위 수준 아키텍처 다이어그램은 정확하고 투명하며 안전한 생성 AI 솔루션을 구축하기 위해 AI 기반 기술 스택을 갖춘 제안된 RAG 파이프라인을 보여줍니다.
RAG 워크플로우를 위한 준비 단계로 외부 지식 소스 역할을 하는 벡터 데이터베이스가 독점 데이터의 추가 컨텍스트와 함께 수집됩니다. 실제 RAG 워크플로는 다이어그램에 설명된 네 단계를 따릅니다.
- 사용자가 쿼리를 입력합니다.
- 사용자 쿼리는 벡터 데이터베이스에서 관련 추가 컨텍스트를 검색하는 데 사용됩니다. 이는 임베딩 모델을 사용하여 사용자 쿼리의 벡터 임베딩을 생성하여 벡터 검색을 수행하여 데이터베이스에서 가장 관련성이 높은 컨텍스트를 검색함으로써 수행됩니다.
- 검색된 컨텍스트와 사용자 쿼리는 프롬프트 템플릿을 보강하는 데 사용됩니다. 검색 강화 프롬프트는 LLM이 보다 적절하고 정확한 완성을 생성하여 환각을 최소화하는 데 도움이 됩니다.
- 사용자는 쿼리를 기반으로 보다 정확한 응답을 받습니다.
아키텍처 다이어그램에 표시된 AI 기반 기술 스택에는 Cohere 언어 모델과 Weaviate 벡터 데이터베이스라는 두 가지 주요 구성 요소가 있습니다.
Amazon Bedrock의 Cohere 언어 모델
XNUMXD덴탈의 코히어 플랫폼 간단한 API 호출을 통해 기업과 개발자에게 최첨단 성능을 갖춘 언어 모델을 제공합니다. Cohere 플랫폼이 제공하는 언어 처리 기능에는 생성 및 임베딩이라는 두 가지 주요 유형이 있으며 각각은 다른 유형의 모델로 제공됩니다.
- 텍스트 생성 과 명령 – 개발자는 생성적 AI 기능을 강화하는 엔드포인트에 액세스하여 대화, 질문 답변, 카피라이팅, 요약, 정보 추출 등과 같은 애플리케이션을 활성화할 수 있습니다.
- 텍스트 표현 과 어젯 서비스 – 개발자는 텍스트의 의미론적 의미를 캡처하는 엔드포인트에 액세스하여 벡터 검색 엔진, 텍스트 분류 및 클러스터링 등과 같은 애플리케이션을 활성화할 수 있습니다. Cohere Embed는 영어 모델과 다국어 모델의 두 가지 형태로 제공됩니다. 이제 Amazon Bedrock에서 구매 가능.
Cohere 플랫폼은 기업이 Amazon Bedrock 배포를 통해 생성 AI 솔루션을 비공개로 안전하게 사용자 정의할 수 있도록 지원합니다. Amazon Bedrock은 개발 팀이 생성적 AI 애플리케이션을 신속하게 구축하고 확장할 수 있도록 지원하는 완전 관리형 클라우드 서비스입니다. 데이터와 애플리케이션을 안전하게 비공개로 유지하는 동시에. 귀하의 데이터는 서비스 개선을 위해 사용되지 않으며, 제3자 모델 제공업체와 공유되지 않으며, 지역 API 호출이 처리되는 곳입니다. 데이터는 전송 중이거나 저장되지 않은 상태에서 항상 암호화되며, 자체 키를 사용하여 데이터를 암호화할 수 있습니다. Amazon Bedrock은 미국 건강 보험 이동성 및 책임법(HIPAA) 자격 및 일반 데이터 보호 규정(GDPR) 준수를 포함한 보안 요구 사항을 지원합니다. 또한 이미 익숙한 AWS 도구를 사용하여 생성 AI 애플리케이션을 안전하게 통합하고 쉽게 배포할 수 있습니다.
AWS Marketplace의 벡터 데이터베이스 구축
위비하다 는 Teledyne LeCroy 오실로스코프 및 LSA-XNUMX 시리즈 임베디드 신호 분석기가 AI 기반 벡터 데이터베이스 이를 통해 개발팀은 안전하고 투명한 생성 AI 애플리케이션을 간단하게 구축할 수 있습니다. Weaviate는 벡터 데이터와 소스 개체를 모두 저장하고 검색하는 데 사용되므로 별도의 데이터베이스를 호스팅하고 통합할 필요가 없어 개발이 단순화됩니다. Weaviate는 1초 미만의 의미 검색 성능을 제공하며 수십억 개의 벡터와 수백만 명의 테넌트를 처리할 수 있도록 확장할 수 있습니다. 고유하게 확장 가능한 아키텍처를 갖춘 Weaviate는 Amazon Bedrock에 배포된 Cohere 기반 모델과 기본적으로 통합되어 데이터의 편리한 벡터화를 촉진하고 데이터베이스 내에서 생성 기능을 사용합니다.
Weaviate AI 기반 벡터 데이터베이스는 고객에게 이를 BYOC(Bring-Your-Own-Cloud) 솔루션 또는 관리형 서비스로 배포할 수 있는 유연성을 제공합니다. 이번 쇼케이스에서는 AWS Marketplace에서 Kubernetes 클러스터 약화, Weaviate의 BYOC 제품의 일부로, 단 몇 번의 클릭만으로 AWS 테넌트 및 VPC 내부에 컨테이너 기반의 확장 가능한 배포를 허용합니다. AWS 클라우드 포메이션 주형. 이 접근 방식을 사용하면 벡터 데이터베이스가 기반 모델 및 독점 데이터에 가까운 특정 지역에 배포되어 대기 시간을 최소화하고 데이터 지역성을 지원하며 중요한 데이터를 보호하는 동시에 GDPR과 같은 잠재적인 규제 요구 사항을 해결합니다.
사용 사례 개요
다음 섹션에서는 솔루션 개요에 설명된 대로 Cohere, AWS 및 Weaviate와 함께 AI 기반 기술 스택을 사용하여 RAG 솔루션을 구축하는 방법을 보여줍니다.
예시 사용 사례에서는 타겟 고객을 기반으로 휴가 숙박 목록에 대한 타겟 광고를 생성합니다. 목표는 대상 고객(예: "어린 자녀가 있는 가족")에 대한 사용자 쿼리를 사용하여 가장 관련성이 높은 휴가 숙박 목록(예: 근처에 놀이터가 있는 목록)을 검색한 다음 해당 숙박 시설에 대한 광고를 생성하는 것입니다. 타겟 고객에 맞춰 검색된 목록입니다.
데이터 세트는 다음에서 사용할 수 있습니다. 에어비앤비 내부 그리고 다음과 같은 라이선스를 받았습니다. Creative Commons Attribution 4.0 국제 라이센스. 다음에서 함께 제공되는 코드를 찾을 수 있습니다. GitHub 저장소.
사전 조건
다음 자습서의 AWS 서비스를 따라하고 사용하려면 AWS 계정.
AI 기반 기술 스택의 구성요소 활성화
먼저 AWS 계정의 솔루션 개요에서 설명한 관련 구성 요소를 활성화해야 합니다. 다음 단계를 완료하세요.
- 왼쪽에 아마존 베드락 콘솔선택한다. 모델 액세스 탐색 창에서
- 왼쪽 메뉴에서 모델 액세스 관리 오른쪽 상단에
- 원하는 기본 모델을 선택하고 액세스 권한을 요청하세요.
다음으로 Weaviate 클러스터를 설정합니다.
- 구독 신청 AWS Marketplace에서 Kubernetes 클러스터 약화.
- 다음을 사용하여 소프트웨어를 실행합니다. 선호하는 가용 영역에 따른 CloudFormation 템플릿.
CloudFormation 템플릿은 기본값으로 미리 채워져 있습니다.
- 럭셔리 스택 이름, 스택 이름을 입력합니다.
- 럭셔리 헬 인증 유형, 설정을 통해 인증을 활성화하는 것이 좋습니다.
helmauthenticationtype
에apikey
그리고 정의 헬인증API키. - 럭셔리 헬인증API키, Weaviate API 키를 입력하세요.
- 럭셔리 헬름 차트 버전, 버전 번호를 입력하세요. v.16.8.0 이상이어야 합니다. 다음을 참조하세요. GitHub 레포 최신 버전입니다.
- 럭셔리 조타 가능 모듈, 확인
tex2vec-aws
및generative-aws
Weaviate 내에서 활성화된 모듈 목록에 있습니다.
이 템플릿을 완료하는 데 약 30분이 소요됩니다.
위비에이트에 연결
Weaviate에 연결하려면 다음 단계를 완료하세요.
- . Amazon SageMaker 콘솔, 로 이동 노트북 인스턴스 탐색 창에서 다음을 통해 수첩 > 노트북 인스턴스 왼쪽에.
- 새 노트북 인스턴스를 만듭니다.
- 필요한 종속성을 포함하여 Weaviate 클라이언트 패키지를 설치합니다.
- 다음 코드를 사용하여 Weaviate 인스턴스에 연결합니다.
- Weaviate URL – 로드 밸런서 URL을 통해 Weaviate에 액세스합니다. 에서 아마존 엘라스틱 컴퓨트 클라우드 (Amazon EC2) 콘솔, 선택 로드 밸런서 탐색 창에서 로드 밸런서를 찾으세요. DNS 이름 열을 찾아 추가하세요.
http://
그것의 앞에. - 위비에이트 API 키 – 이는 이전에 CloudFormation 템플릿에서 설정한 키입니다(
helmauthenticationapikey
). - AWS 액세스 키 및 보안 액세스 키 – 다음에서 사용자의 액세스 키와 보안 액세스 키를 검색할 수 있습니다. AWS 자격 증명 및 액세스 관리 (IAM) 콘솔.
Cohere 모델을 활성화하도록 Amazon Bedrock 모듈 구성
다음으로 데이터 컬렉션(class
) Listings
목록의 데이터 개체를 저장하는 것은 관계형 데이터베이스에 테이블을 만드는 것과 유사합니다. 이 단계에서는 Weaviate 벡터 데이터베이스 내에서 기본적으로 Amazon Bedrock에 호스팅된 Cohere 언어 모델을 사용할 수 있도록 관련 모듈을 구성합니다. 벡터라이저(“text2vec-aws
") 및 생성 모듈("generative-aws
")는 데이터 수집 정의에 지정됩니다. 이 두 모듈 모두 세 가지 매개변수를 사용합니다.
- "서비스" - 사용 "
bedrock
” Amazon Bedrock의 경우(또는 “sagemaker
"for Amazon SageMaker 점프스타트) - "부위" – 모델이 배포된 지역을 입력하세요.
- "모델" – 기초 모델의 이름을 제공하십시오
다음 코드를 참조하십시오.
Weaviate 벡터 데이터베이스에 데이터 수집
이 단계에서는 해당 속성을 구성하여 데이터 컬렉션의 구조를 정의합니다. 속성의 이름과 데이터 유형 외에도 데이터 객체만 저장할지 아니면 벡터 임베딩과 함께 저장할지 구성할 수도 있습니다. 이 예에서는 host_name
및 property_type
벡터화되지 않았습니다.
다음 코드를 실행하여 Weaviate 인스턴스에 컬렉션을 생성합니다.
이제 Weaviate에 개체를 추가할 수 있습니다. 효율성을 극대화하려면 일괄 가져오기 프로세스를 사용합니다. 다음 코드를 실행하여 데이터를 가져옵니다. 가져오는 동안 Weaviate는 정의된 벡터라이저를 사용하여 각 객체에 대한 벡터 임베딩을 생성합니다. 다음 코드는 개체를 로드하고, 일괄 처리를 초기화하고, 대상 컬렉션에 개체를 하나씩 추가합니다.
검색 증강 생성
Weaviate 인스턴스에 생성 검색 쿼리를 구현하여 RAG 파이프라인을 구축할 수 있습니다. 이를 위해 먼저 사용자 쿼리({target_audience}
) 직접 및 추가 컨텍스트({{host_name}}
, {{property_type}}
, {{description}}
및 {{neighborhood_overview}}
) 런타임 시 벡터 데이터베이스에서:
다음으로 생성 검색 쿼리를 실행합니다. 그러면 사용자 쿼리와 검색된 데이터로 구성된 프롬프트가 포함된 정의된 생성 모델이 표시됩니다. 다음 쿼리는 하나의 목록 객체(.with_limit(1)
) 로부터 Listings
사용자 쿼리와 가장 유사한 컬렉션(.with_near_text({"concepts": target_audience})
). 그런 다음 사용자 쿼리(target_audience
) 및 검색된 목록 속성(["description", "neighborhood", "host_name", "property_type"]
)이 프롬프트 템플릿에 입력됩니다. 다음 코드를 참조하세요.
다음 예에서는 이전 코드 부분이 target_audience = “Family with small children”
호스트 Marre에서 목록을 검색합니다. 프롬프트 템플릿은 Marre의 목록 세부정보와 대상 고객으로 보강됩니다.
검색 강화 프롬프트를 기반으로 Cohere의 Command 모델은 다음과 같은 타겟 광고를 생성합니다.
대체 사용자 정의
제안된 솔루션의 다양한 구성 요소에 대해 다음과 같이 대체 사용자 정의를 수행할 수 있습니다.
- Cohere의 언어 모델은 다음을 통해 사용할 수도 있습니다. Amazon SageMaker 점프스타트, 최첨단 기초 모델에 대한 액세스를 제공하고 개발자가 LLM을 배포할 수 있도록 합니다. 아마존 세이지 메이커는 모든 사용 사례에 대해 고성능, 저비용 기계 학습을 지원하는 광범위한 도구 세트를 통합하는 완전 관리형 서비스입니다. Weaviate는 SageMaker와도 통합되어 있습니다.
- 이 솔루션에 추가된 강력한 기능은 Cohere Rerank 엔드포인트, SageMaker JumpStart를 통해 사용할 수 있습니다. Rerank는 어휘 또는 의미 검색에서 검색 결과의 관련성을 향상시킬 수 있습니다. Rerank는 검색 시스템에서 검색된 문서의 의미 관련성 점수를 계산하고 이러한 점수를 기준으로 문서의 순위를 지정하는 방식으로 작동합니다. 애플리케이션에 Rerank를 추가하려면 한 줄의 코드만 변경하면 됩니다.
- 다양한 생산 환경의 다양한 배포 요구 사항을 충족하기 위해 Weaviate를 다양한 추가 방법으로 배포할 수 있습니다. 예를 들어, 다음에서 직접 다운로드할 수 있습니다. 위비에이트 웹사이트에서 실행되는 Amazon Elastic Kubernetes 서비스 (Amazon EKS) 또는 로컬을 통해 도커 or Kubernetes. 또한 관리 서비스 14일 무료 평가판을 통해 VPC 내에서 또는 AWS에서 호스팅되는 퍼블릭 클라우드 서비스로 안전하게 실행할 수 있습니다.
- 다음을 사용하여 VPC에서 솔루션을 제공할 수 있습니다. 아마존 가상 프라이빗 클라우드 (Amazon VPC)는 조직이 논리적으로 격리된 가상 네트워크에서 AWS 서비스를 시작할 수 있도록 지원하며, 기존 네트워크와 유사하지만 AWS의 확장 가능한 인프라의 이점을 제공합니다. 데이터의 분류된 민감도 수준에 따라 조직은 이러한 VPC에서 인터넷 액세스를 비활성화할 수도 있습니다.
정리
예상치 못한 비용이 청구되는 것을 방지하려면 이 게시물의 일부로 배포한 모든 리소스를 삭제하세요. CloudFormation 스택을 시작한 경우 AWS CloudFormation 콘솔을 통해 삭제할 수 있습니다. 다음과 같은 일부 AWS 리소스가 있을 수 있습니다. 아마존 엘라스틱 블록 스토어 (Amazon EBS) 볼륨 및 AWS 키 관리 서비스 (AWS KMS) 키는 CloudFormation 스택이 삭제될 때 자동으로 삭제되지 않을 수 있습니다.
결론
이 게시물에서는 기업이 데이터를 완전히 제어하면서 정확하고 투명하며 안전한 생성 AI 애플리케이션을 구축할 수 있는 방법에 대해 논의했습니다. 제안된 솔루션은 Amazon Bedrock의 Cohere 기반 모델과 AWS Marketplace의 Weaviate 벡터 데이터베이스의 조합으로 AI 기반 기술 스택을 사용하는 RAG 파이프라인입니다. RAG 접근 방식을 통해 기업은 LLM의 일반 지식과 독점 데이터 간의 격차를 해소하는 동시에 환각을 최소화할 수 있습니다. AI 기반 기술 스택을 통해 빠른 개발과 확장 가능한 성능이 가능합니다.
이 게시물에 설명된 단계를 사용하여 기업용 생성 AI 애플리케이션에 대한 RAG 개념 증명 실험을 시작할 수 있습니다. 함께 제공되는 소스 코드는 관련 GitHub 저장소. 읽어 주셔서 감사합니다. 의견 섹션에 의견이나 피드백을 자유롭게 제공하세요.
저자 소개
제임스 이 Amazon Web Services의 기술 파트너 COE 기술 팀의 수석 AI/ML 파트너 솔루션 설계자입니다. 그는 기업 고객 및 파트너와 협력하여 AI/ML 애플리케이션을 설계, 배포, 확장하여 비즈니스 가치를 창출하는 데 열정을 갖고 있습니다. 업무 외에는 축구, 여행, 가족과 함께 시간을 보내는 것을 즐깁니다.
레오니 모니가티 Weaviate의 Developer Advocate입니다. 그녀의 중점 분야는 AI/ML이며 개발자가 생성 AI에 대해 배울 수 있도록 돕습니다. 업무 외에도 그녀는 블로그와 Kaggle에서 데이터 과학 및 ML에 대한 학습 내용을 공유합니다.
메오르 아메르 최첨단 자연어 처리(NLP) 기술 제공업체인 Cohere의 Developer Advocate입니다. 그는 개발자가 Cohere의 LLM(대형 언어 모델)을 사용하여 최첨단 애플리케이션을 구축하도록 돕습니다.
마오 순 Amazon Web Services Emerging Technologies 팀의 수석 AI/ML 파트너 솔루션 설계자입니다. 그는 기업 고객 및 파트너와 협력하여 AI/ML 애플리케이션을 설계, 배포 및 확장하여 비즈니스 가치를 도출하는 데 열정을 갖고 있습니다. 업무 외에는 낚시, 여행, 탁구를 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/build-enterprise-ready-generative-ai-solutions-with-cohere-foundation-models-in-amazon-bedrock-and-weaviate-vector-database-on-aws-marketplace/
- :있다
- :이다
- :아니
- :어디
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 16
- 17
- 19
- 23
- 30
- 32
- 33
- 7
- 8
- 9
- a
- 소개
- ACCESS
- 에 따르면
- 계정
- 책임
- 정확한
- 가로질러
- 행동
- 실제
- 더하다
- 추가
- 첨가
- 또한
- 추가
- 추가 정보
- 또한
- 주소 지정
- 추가
- 성인
- 광고
- 변호사
- AI
- AI / ML
- Airbnb
- All
- 수
- 따라
- 이미
- 또한
- 대안
- 이기는하지만
- 항상
- 아마존
- Amazon EC2
- 아마존 세이지 메이커
- Amazon Web Services
- 암스테르담
- an
- 및
- 다른
- 응답
- 어떤
- API를
- 어플리케이션
- 어플리케이션
- 접근
- 아키텍처
- 있군요
- 지역
- 지역
- AS
- 산
- At
- 관광 명소
- 청중
- 증가하다
- 증강 된
- 인증
- 자동적으로
- 유효성
- 가능
- 떨어져
- AWS
- AWS 클라우드 포메이션
- AWS 자격 증명 및 액세스 관리 (IAM)
- AWS Marketplace
- 그네
- 바
- 기반으로
- BE
- 때문에
- 가
- 시작된
- 혜택
- BEST
- 사이에
- 수십억
- 블록
- 블로그
- 증폭
- 두
- 다리
- 돋보이게
- 넓은
- 빌드
- 건물
- 사업
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 카페
- 전화
- 라는
- CAN
- 기능
- 포착
- 케이스
- 네 끗패
- 중심적인
- 센터
- 이전 단계로 돌아가기
- 요금
- 어린이
- 선택
- 왼쪽 메뉴에서
- City
- 수업
- 분류
- 분류 한
- 클라이언트
- 닫기
- 클라우드
- 클러스터
- 클러스터링
- 암호
- 수집
- 단
- 결합
- 왔다
- 제공
- 댓글
- 평민
- 완전한
- 완성
- compliance
- 구성 요소들
- 구성
- 계산
- 컴퓨팅
- 개념
- 개념
- 구성
- 연결하기
- 고려
- 콘솔에서
- 문맥
- 문맥
- 제어
- 편리한
- 편리하게
- 이야기 잘하는
- 카피 라이팅
- 핵심
- 만들
- 만들기
- 결정적인
- 고객
- 고객
- 사용자 정의
- 최첨단
- 데이터
- 데이터 보호
- 데이터 과학
- 데이터 보안
- 데이터베이스
- 데이터베이스
- 태만
- 밝히다
- 한정된
- 정의
- 정의
- 제공
- 보여
- 의존성
- 의존
- 배포
- 배포
- 전개
- 드리프트
- 설명
- 디자인
- 설계
- 원하는
- 세부설명
- 개발자
- 개발자
- 개발
- 개발팀
- 다른
- 식사
- 곧장
- 직접
- 논의 된
- DNS
- 서류
- 한
- 다운로드
- ...동안
- 마다
- 이전
- 용이하게
- 유효한
- 효율성
- 높은
- 적임
- 제거
- 포함
- 임베딩
- 신흥
- 신흥 기술
- 힘을 실어
- 가능
- 사용 가능
- 수
- 가능
- 격려
- 암호화
- 끝으로 종료
- 엔진
- 영어
- 확인
- 보장
- 엔터 버튼
- Enterprise
- 기업
- 들어갑니다
- 전체의
- 환경
- 있을뿐만 아니라
- 예
- 비싼
- 경험
- 체험
- 전문적 지식
- 외부
- 추출
- 용이하게하다
- 익숙한
- 가족
- FAST
- 특징
- 특색
- 연방 준비 은행
- 피드백
- 세 연령의 아시안이
- 를
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 금융
- 금융 서비스
- Find
- 먼저,
- 어업
- 유연성
- 바닥
- 흐름
- 초점
- 따라
- 수행원
- 다음
- 럭셔리
- 형태
- 양식
- Foundation
- 사
- 무료
- 무료 시험판
- 에
- 앞
- 가득 찬
- 충분히
- 추가
- 갭
- GDPR
- 일반
- 일반적인 자료
- 일반 데이터 보호 규정
- 생성
- 생성
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- GitHub의
- 제공
- 골
- 육로
- 그룹
- 반
- 핸들
- 처리
- 있다
- 데
- he
- 표제
- 건강
- 건강 보험
- 건강 관리
- 심장
- 무겁게
- 도움
- 도움이
- 도움이
- 그녀의
- 고수준
- 고성능
- 그의
- 홈
- 주인
- 호스팅
- 방법
- How To
- HTTP
- HTTPS
- 통합 인증
- if
- 설명하다
- 구현
- import
- 중대한
- 개선
- 개량
- 개선
- in
- 포함
- 더욱 더
- 산업
- 정보
- 정보 추출
- 인프라
- 내부
- 설치
- 예
- 보험
- 통합
- 통합 된
- 통합
- 지적인
- 지적 재산권
- 국제 노동자 동맹
- 인터넷
- 인터넷 액세스
- 으로
- 외딴
- IT
- 그
- JPG
- 다만
- 유지
- 유지
- 키
- 키
- 아이
- 지식
- 언어
- 넓은
- 숨어 있음
- 최근
- 시작
- 시작
- 리드
- 오퍼
- 누출
- 배우다
- 배우기
- 가장 작은
- 왼쪽 (left)
- 레벨
- 라이센스
- 생활
- 생명과학
- 라인
- 명부
- 리스팅
- 목록
- 생활
- LLM
- 하중
- 잔뜩
- 지방의
- 장소 상에서
- 위치한
- 위치
- 논리적으로
- 보기
- 찾고
- 저렴한 비용으로
- 기계
- 기계 학습
- 유지 보수
- 확인
- 제작
- 관리
- 관리
- 구축
- 시장
- 석사
- 최고
- XNUMX월..
- 의미
- 방법
- 추억
- 방법
- 수백만
- 최소화
- 회의록
- ML
- 모델
- 모델
- 모듈
- 모듈
- 배우기
- 가장
- 절대로 필요한 것
- name
- 기본적으로
- 자연의
- 자연 언어 처리
- 이동
- 카테고리
- 필요
- 네트워크
- 못
- 신제품
- nlp
- 아니
- 주의
- 수첩
- 지금
- 번호
- 대상
- 사물
- of
- 제공
- 제공
- on
- ONE
- 만
- 운영
- 선택권
- or
- 조직
- 기타
- 우리의
- 설명
- 외부
- 위에
- 개요
- 자신의
- 꾸러미
- 지급
- 팬더
- 빵
- 매개 변수
- 주차
- 부품
- 특별히
- 파트너
- 파트너
- 열렬한
- 완전한
- 수행
- 성능
- 확인
- 개인 정보
- 조각
- 관로
- 장소
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 연주
- 인기 문서
- 이식성
- 게시하다
- 가능성
- 힘
- 강한
- 선행
- 선호하는
- 준비
- 제시
- 예방
- 사설
- 방법
- 처리됨
- 프로세스
- 처리
- 생산
- 생산력
- 제품
- 프롬프트
- 증명
- 속성
- 재산
- 제안 된
- 소유권
- 보호
- 보호
- 제공
- 공급자
- 제공
- 제공
- 공개
- 공공 클라우드
- 문제
- 빨리
- 조각
- 순위
- 차라리
- RE
- 읽기
- 읽기
- 수신
- 추천
- 감소
- 참조
- 에 관한
- 지방
- 규제
- 규제 산업
- 규제
- 규정하는
- 상대적으로
- 관련성
- 관련된
- 유적
- 저장소
- 의뢰
- 필수
- 요구조건 니즈
- 필요
- 닮은
- 제품 자료
- 응답
- 응답
- 책임
- REST
- 레스토랑
- 결과
- 결과
- 연락해주세요
- 위험
- 위험에 처한
- 방
- 열
- 달리기
- 실행
- 런타임
- s
- 현자
- 확장성
- 규모
- 과학
- 과학
- 검색
- 검색 엔진
- 비밀
- 섹션
- 섹션
- 안전해야합니다.
- 안전하게
- 보안
- 참조
- 시맨틱
- 연장자
- 민감한
- 감도
- 별도의
- 서브
- 봉사 한
- 봉사하다
- 서비스
- 서비스
- 세트
- 설정
- 공유
- 공유
- 그녀
- 짧은
- 소개
- 비슷한
- 단순, 간단, 편리
- 단순화하다
- 단일
- 크기
- 작은
- 축구
- 소프트웨어
- 해결책
- 솔루션
- 일부
- 출처
- 소스 코드
- 스페이스 버튼
- 전문
- 구체적인
- 지정
- 지출
- 스택
- 스타트
- 최첨단
- 유지
- 단계
- 단계
- 아직도
- 저장
- 저장
- 똑 바른
- 구조
- 세련된
- 이러한
- 적당한
- SUPPORT
- 지원
- 확인
- 체계
- 테이블
- 맞춤형
- 받아
- 소요
- 목표
- 대상
- 팀
- 팀
- 기술
- 테크니컬
- 기술
- Technology
- 이 템플릿
- 거주자
- 본문
- 텍스트 분류
- 보다
- 감사
- 그
- XNUMXD덴탈의
- 정보
- 그들의
- 그때
- 그곳에.
- 따라서
- Bowman의
- 그들
- 타사
- 이
- 세
- 을 통하여
- 시간
- 에
- 함께
- 검색을
- 상단
- 전통적인
- Train
- 훈련 된
- 트레이닝
- 변환
- 운송
- 투명한
- 여행
- 시도
- 지도 시간
- 두
- 유형
- 유형
- 우리
- 아래에
- 이해
- 예기치 않은
- 당신의 잊지 못할 추억과
- 유일하게
- 업데이트
- 업데이트
- 업데이트
- 높은 곳에 있는
- URL
- 용법
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용
- 사용
- 휴가
- 가치
- 마케팅은:
- 여러
- Ve
- 버전
- 를 통해
- 온라인
- 볼륨
- 걷다
- 방법..
- 방법
- we
- 재산
- 웹
- 웹 서비스
- 환영
- 잘
- 했다
- 언제
- 어느
- 동안
- 누구
- 누구의
- 의지
- 과
- 이내
- 작업
- 워크플로우
- 일하는
- 일
- 쓰다
- 자신의
- 너의
- 제퍼 넷