이전에 게시, 우리는 Amazon AI 서비스와 Veeva Vault Platform의 API를 사용하여 Veeva Vault PromoMats에 저장된 자산을 분석하고 태그를 지정하는 방법에 대해 이야기했습니다. 이번 포스팅에서는 사용법을 알아보겠습니다. 아마존 AppFlow, Veeva Vault와 같은 SaaS(Software as a Service) 애플리케이션에서 AWS로 데이터를 안전하게 전송할 수 있는 완전 관리형 통합 서비스입니다. 그만큼 Amazon AppFlow Veeva 커넥터 Veeva Vault에 저장된 풍부한 콘텐츠를 대규모로 분석하기 위해 AWS 환경을 Veeva 에코시스템에 빠르고 안정적이며 비용 효율적으로 연결할 수 있습니다.
Amazon AppFlow Veeva 커넥터는 자동 전송을 지원하는 최초의 Amazon AppFlow 커넥터입니다. Veeva 문서. 최신 버전( 정상 상태 Veeva 용어로 버전) 및 문서의 모든 버전. 또한 문서 메타데이터를 가져올 수 있습니다.
클릭 몇 번으로 관리 연결을 쉽게 설정하고 가져올 Veeva Vault 문서 및 메타데이터를 선택할 수 있습니다. 소스 필드를 대상 필드에 매핑하여 가져오기 동작을 추가로 조정할 수 있습니다. 문서 유형 및 하위 유형, 분류, 제품, 국가, 사이트 등을 기반으로 필터를 추가할 수도 있습니다. 마지막으로 유효성 검사를 추가하고 주문형 및 예약된 흐름 트리거를 관리할 수 있습니다.
Veeva Vault PromoMats에서 QualityDocs, eTMF 또는 RIM(규제 정보 관리)과 같은 다른 Veeva Vault 솔루션에 이르기까지 다양한 사용 사례에 Amazon AppFlow Veeva 커넥터를 사용할 수 있습니다. 다음은 커넥터를 사용할 수 있는 몇 가지 사용 사례입니다.
- 데이터 동기화 – 시간 경과에 따라 소스 Veeva Vault의 데이터와 다운스트림 시스템 간의 일관성 및 조화를 설정하는 과정에서 커넥터를 사용할 수 있습니다. 예를 들어 Veeva PromoMats 마케팅 자산을 Salesforce와 공유할 수 있습니다. 또한 커넥터를 사용하여 표준 운영 절차(SOP) 또는 사양과 같은 Veeva QualityDocs를 제조 현장에 있는 태블릿에서 검색할 수 있는 캐시된 웹사이트에 공유할 수 있습니다.
- 이상 감지 – Veeva PromoMats 문서를 공유할 수 있습니다. 지표에 대한 Amazon Lookout 이상 감지를 위해. 또한 아트워크, 상업용 라벨, 템플릿 또는 환자 전단지에서 Vault RIM과 함께 커넥터를 사용하여 Loftware와 같은 엔터프라이즈 라벨링 솔루션으로 인쇄하기 위해 가져올 수 있습니다.
- 데이터 레이크 수화 – 커넥터는 데이터 레이크의 생성 및 수화를 지원하기 위해 정형 또는 비정형 데이터를 데이터 레이크로 복제하는 효과적인 도구가 될 수 있습니다. 예를 들어, 커넥터를 사용하여 Vault RIM에 저장된 프로토콜에서 표준화된 연구 정보를 추출하고 이를 의료 분석 통찰력 팀에 다운스트림으로 노출할 수 있습니다.
- 번역 – 커넥터는 삽화, 임상 문서, 마케팅 자료 또는 모국어로 번역된 연구 프로토콜을 포장, 임상 시험 또는 규제 제출과 같은 부서에 보내는 데 유용할 수 있습니다.
이 게시물은 사용 방법에 중점을 둡니다. 아마존 AI 서비스 Amazon AppFlow와 함께 Veeva Vault PromoMats에 저장된 콘텐츠를 분석하고, 태그 정보를 자동으로 추출하고, 궁극적으로 이 정보를 Veeva Vault 시스템에 다시 제공합니다. 이 게시물에서는 전체 아키텍처, 솔루션 및 대시보드 배포 단계, 자산 메타데이터 태깅 사용 사례에 대해 설명합니다. 이 사용 사례의 개념 증명 코드 기반에 대한 자세한 내용은 다음을 참조하세요. GitHub 저장소.
솔루션 개요
다음 다이어그램은 업데이트된 솔루션 아키텍처를 보여줍니다.
이전에는 Veeva Vault에서 자산을 가져오려면 다음을 사용하여 고유한 사용자 지정 코드 로직을 작성해야 했습니다. Veeva Vault API 변경 사항을 폴링하고 데이터를 아마존 단순 스토리지 서비스 (아마존 S3). 이는 API 제한, 실패 및 재시도뿐만 아니라 무제한 자산을 수용할 수 있는 확장성을 고려해야 하는 수동적이고 시간 소모적인 프로세스일 수 있습니다. 업데이트된 솔루션은 Amazon AppFlow를 사용하여 사용자 지정 Veeva에서 Amazon S3로의 데이터 가져오기 파이프라인을 유지 관리하는 복잡성을 추상화합니다.
소개에서 언급했듯이 Amazon AppFlow는 포인트 앤 클릭 구성을 사용하여 다양한 SaaS 애플리케이션과 AWS 서비스 간에 데이터를 쉽고 안전하게 이동하는 사용하기 쉬운 코드 없는 셀프 서비스 도구입니다. AppFlow를 사용하면 지원되는 소스에서 데이터(객체 및 문서)를 가져오고 해당 데이터를 지원되는 다양한 대상에 쓸 수 있습니다. 소스 또는 대상은 SaaS 애플리케이션 또는 Amazon S3와 같은 AWS 서비스일 수 있습니다. 아마존 레드 시프트, 또는 메트릭에 대한 Lookout. 코드 없는 인터페이스 외에도 Amazon AppFlow는 API, AWS CLI 및 AWS 클라우드 포메이션 인터페이스.
Amazon AppFlow의 흐름은 소스 세부 정보, 대상 세부 정보, 흐름 트리거 조건(온디맨드, 이벤트 또는 예약) 및 체크포인트, 필드 유효성 검사 또는 마스킹과 같은 데이터 처리 작업을 포함하여 데이터를 이동하는 방법을 설명합니다. 트리거되면 Amazon AppFlow는 소스 데이터를 가져오는 흐름을 실행하고(일반적으로 소스 애플리케이션의 공개 API를 통해), 데이터 처리 작업을 실행하고, 처리된 데이터를 대상으로 전송합니다.
이 예에서는 CloudFormation 템플릿을 사용하여 사전 구성된 흐름을 배포합니다. 다음 스크린샷은 사전 구성된 veeva-aws-connector
Amazon AppFlow 콘솔의 솔루션 템플릿에 의해 자동으로 생성되는 흐름입니다.
흐름은 Veeva를 소스로 사용하며 Veeva Vault 구성 요소 개체를 가져오도록 구성됩니다. 처리된 자산을 추적하고 소스 시스템의 올바른 해당 자산에 태그를 다시 푸시하려면 메타데이터와 소스 파일이 모두 필요합니다. 이 상황에서는 최신 버전만 가져오고 변환은 포함되지 않습니다.
흐름의 대상도 구성해야 합니다. 다음 스크린샷에서는 CloudFormation 템플릿의 일부로 생성된 S3 버킷의 파일 형식과 폴더 구조를 정의합니다.
마지막으로 흐름은 데모 목적으로 요청 시 트리거됩니다. 흐름이 최대 1분 단위로 일정에 따라 실행되도록 수정할 수 있습니다. 일정에 따라 트리거되면 전송 모드가 전체 전송에서 증분 전송 모드로 자동 변경됩니다. 변경 사항을 추적하기 위해 소스 타임스탬프 필드를 지정합니다. 태깅 사용 사례의 경우 마지막 수정 날짜 설정이 가장 적합합니다.
그런 다음 Amazon AppFlow는 다음과 통합됩니다. 아마존 이벤트 브리지 흐름 실행이 완료될 때마다 이벤트를 게시합니다.
더 나은 복원력을 위해, AVAIAppFlowListener
AWS 람다 기능은 EventBridge에 연결됩니다. Amazon AppFlow 이벤트가 트리거되면 특정 흐름 실행이 성공적으로 완료되었는지 확인하고 해당 특정 흐름 실행에서 가져온 모든 자산의 메타데이터 정보를 읽고 개별 문서 메타데이터를 아마존 단순 대기열 서비스 (Amazon SQS) 대기열. Amazon SQS를 사용하면 아키텍처의 생산자와 프로세서 섹션 간에 느슨한 결합이 제공되며 수신 업데이트를 중지하지 않고 프로세서 섹션에 변경 사항을 배포할 수도 있습니다.
두 번째 폴러 기능 (AVAIQueuePoller
)는 SQS 대기열을 자주(분마다) 읽고 들어오는 자산을 처리합니다. Lambda 함수의 더 나은 반응 시간을 위해 Amazon SQS를 함수에 대한 트리거로 구성하여 CloudWatch 규칙을 교체할 수 있습니다.
수신 메시지 유형에 따라 솔루션은 다양한 AWS AI 서비스를 사용하여 데이터에서 통찰력을 도출합니다. 몇 가지 예는 다음과 같습니다.
- 텍스트 파일 – 기능은 엔티티 감지 운영 아마존 종합 의료, ML을 사용하여 구조화되지 않은 텍스트에서 관련 의료 정보를 쉽게 추출할 수 있는 자연어 처리(NLP) 서비스입니다. 이 작업은 다음과 같은 범주의 엔터티를 감지합니다.
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
및Test_Treatment_Procedure
. 결과 출력이 필터링됩니다.Protected_Health_Information
나머지 정보는 신뢰 점수와 함께 평평 해지고 아마존 DynamoDB 테이블. 이 정보는 OpenSearch Kibana 클러스터에 표시됩니다. 실제 애플리케이션에서 Amazon Comprehend Medical을 사용할 수도 있습니다. ICD-10-CM 또는 RxNorm 다운 스트림 의료 응용 프로그램이 추가 분석에 사용할 수 있도록 탐지 된 정보를 의료 온톨로지에 연결하는 기능. - 이미지 – 기능은 라벨 감지 의 방법 아마존 인식 들어오는 이미지에서 레이블을 감지합니다. 이러한 레이블은 상업용 삽화 및 임상 레이블에 대한 정보와 같이 이미지에 묻혀 있는 풍부한 정보를 식별하는 태그 역할을 할 수 있습니다. 라벨이 다음과 같은 경우
Human
orPerson
80% 이상의 신뢰도 점수로 탐지되면 코드는 다음을 사용합니다. 얼굴 감지 입력 이미지에서 얼굴을 감지하기 위해 눈, 코 및 입과 같은 주요 얼굴 특징을 찾는 방법. Amazon Rekognition은이 모든 정보를 관련 신뢰 점수와 함께 제공합니다.이 점수는 평평 해지고 DynamoDB 테이블에 저장됩니다. - 음성 녹음 – 오디오 자산의 경우 코드는 StartTranscription작업 비동기 방법 아마존 전사 들어오는 오디오를 텍스트로 녹음하고
TranscriptionJobName
. 이 코드는 오디오 언어가 영어 (미국) 인 것으로 가정하지만 Veeva Vault의 정보와 연결되도록 수정할 수 있습니다. 코드는 GetTranscription작업 메소드와 동일한 고유 식별자를 전달합니다.TranscriptionJobName
작업이 완료 될 때까지 루프에서. Amazon Transcribe는 S3 버킷에서 출력 파일을 제공합니다.이 파일은 코드에서 읽고 삭제됩니다. 이 코드는 텍스트 처리 워크 플로 (앞에서 설명한대로)를 호출하여 전사 된 오디오에서 엔티티를 추출합니다. - 스캔 한 문서 (PDF) – 생명 과학 자산의 상당 부분이 PDF로 표시됩니다. 과학 저널과 연구 논문에서 약물 라벨에 이르기까지 모든 것이 될 수 있습니다. 아마존 텍사스 스캔 한 문서에서 텍스트와 데이터를 자동으로 추출하는 서비스입니다. 코드는 문서 텍스트 감지 시작 문서에서 텍스트를 감지하기 위해 비동기 작업을 시작하는 방법입니다. 코드는
JobId
전화 응답으로 반환 GetDocumentText감지 작업이 완료 될 때까지 루프에서. 출력 JSON 구조에는 식별 된 각 요소에 대한 신뢰도 점수와 함께 감지 된 텍스트의 줄과 단어가 포함되므로 결과 사용 방법에 대한 정확한 결정을 내릴 수 있습니다. 이 코드는 JSON 구조를 처리하여 텍스트 흐림 효과를 다시 만들고 텍스트 처리 워크 플로를 호출하여 텍스트에서 엔터티를 추출합니다.
DynamoDB 테이블은 처리 된 모든 데이터를 저장합니다. 이 솔루션은 DynamoDB 스트림 및 Lambda 트리거 (AVAIPopulateES
) OpenSearch Kibana 클러스터에 데이터를 채웁니다. AVAIPopulateES 함수는 DynamoDB 테이블에서 발생하는 모든 업데이트, 삽입 및 삭제 작업에 대해 실행되고 OpenSearch 인덱스에 하나의 해당 레코드를 삽입합니다. Kibana를 사용하여 이러한 레코드를 시각화할 수 있습니다.
피드백 루프를 닫으려면 AVAICustomFieldPopulator
람다 함수가 생성되었습니다. 메타데이터 DynamoDB 테이블의 DynamoDB 스트림에 있는 이벤트에 의해 트리거됩니다. 마다 DocumentID
DynamoDB 레코드에서 이 함수는 Veeva API를 사용하여 Veeva의 해당 ID가 있는 자산의 사전 정의된 사용자 정의 필드 속성에 태그 정보를 업서트하려고 합니다. 사용자 지정 필드에 노이즈가 삽입되는 것을 방지하기 위해 Lambda 함수는 0.9보다 낮은 신뢰도 점수로 식별된 모든 태그를 필터링합니다. 실패한 요청은 수동 검사 또는 자동 재시도를 위해 배달 못한 편지 대기열(DLQ)로 전달됩니다.
이 솔루션은 디지털 자산에 대한 포괄적 인 검색을 처리, 태그 지정 및 활성화 할 수있는 서버리스 종량제 방식을 제공합니다. 또한 각 관리되는 구성 요소에는 여러 가용 영역에 자동 배포하여 내장 된 고 가용성이 있습니다. 에 대한 아마존 오픈서치 서비스 (Amazon Elasticsearch Service의 후속 제품), 다음을 선택할 수 있습니다. XNUMX-AZ 옵션 도메인에 더 나은 가용성을 제공합니다.
사전 조건
이 연습에서는 다음과 같은 전제 조건이 있어야합니다.
- An AWS 계정 적절한 AWS 자격 증명 및 액세스 관리 (IAM) CloudFormation 템플릿을 시작할 수 있는 권한
- Veeva Vault PromoMats 도메인에 대한 적절한 액세스 자격 증명(도메인 URL, 사용자 이름 및 비밀번호)
- 태그를 지정하려는 디지털 자산에 대해 Veeva에 정의된 사용자 지정 콘텐츠 태그(예:
AutoTags
맞춤 콘텐츠 태그) - 이전 자격 증명으로 액세스 할 수있는 PromoMats Vault의 디지털 자산
솔루션 배포
CloudFormation 스택을 사용하여 솔루션을 배포합니다. 스택은 다음을 포함하여 필요한 모든 리소스를 만듭니다.
- 들어오는 자산을 저장하기위한 S3 버킷.
- 자산을 S3 버킷으로 자동으로 가져오는 Amazon AppFlow 흐름.
- Amazon AppFlow(
AVAIAppFlowListener
). - 리스너 기능(
AVAIAppFlowListener
) 및 폴러 기능 (AVAIQueuePoller
). - Amazon AI 서비스의 출력을 저장하는 DynamoDB 테이블.
- 분석된 태그를 시각화하기 위한 Amazon OpenSearch Kibana(ELK) 클러스터.
- 식별된 태그를 Veeva로 푸시백하는 Lambda 함수(
AVAICustomFieldPopulator
), 해당 DLQ와 함께. - 필요한 Lambda 함수 :
- AVAIAppFlowListener – Amazon AppFlow에서 EventBridge로 푸시한 이벤트에 의해 트리거됩니다. 흐름 실행 유효성 검사 및 SQS 대기열에 메시지 푸시에 사용됩니다.
- AVAIQueuePoller – 1 분마다 트리거됩니다. SQS 대기열을 폴링하고, Amazon AI 서비스를 사용하여 자산을 처리하고, DynamoDB 테이블을 채우는 데 사용됩니다.
- 이용 가능 – DynamoDB 테이블에 업데이트, 삽입 또는 삭제가있을 때 트리거됩니다. DynamoDB에서 변경 사항을 캡처하고 ELK 클러스터를 채우는 데 사용됩니다.
- AVAICustomFieldPopulator – DynamoDB 테이블에 업데이트, 삽입 또는 삭제가 있을 때 트리거됩니다. Veeva에 태그 정보를 피드백하는 데 사용됩니다.
- XNUMXD덴탈의 Amazon CloudWatch 이벤트 트리거하는 규칙
AVAIQueuePoller
기능. 이러한 트리거는DISABLED
기본적으로 상태. - 범위 축소 방식으로 EventBridge 및 AI 서비스와 상호 작용하는 데 필요한 IAM 역할 및 정책.
시작하려면 다음 단계를 완료하십시오.
- 에 로그인 AWS 관리 콘솔 필수 IAM 권한이 있는 계정으로.
- 왼쪽 메뉴에서 발사 스택 새 탭에서 엽니 다.
- 에 스택 생성 페이지에서 선택 다음 보기.
- 에 스택 세부 사항 지정 페이지에서 스택의 이름을 입력합니다.
- 매개 변수의 값을 입력하십시오.
- 왼쪽 메뉴에서 다음 보기.
- 에 스택 옵션 구성 페이지에서 모든 것을 기본값으로두고 다음 보기.
- 에 검토 페이지에서 기능 및 변환 섹션에서 세 개의 확인란을 선택하십시오.
- 왼쪽 메뉴에서 스택 생성.
- 스택이 완료될 때까지 기다립니다. 스택 생성 프로세스에서 다양한 이벤트를 검사할 수 있습니다. 이벤트 탭.
- 스택 생성이 완료되면 자료 CloudFormation 템플릿이 생성 한 모든 리소스를 보려면 탭을 클릭하십시오.
- 에 출력 탭에서 값을 복사
ESDomainAccessPrincipal
.
이것은 IAM 역할의 ARN입니다. AVAIPopulateES
기능이 가정합니다. 나중에 이를 사용하여 Amazon OpenSearch Service 도메인에 대한 액세스를 구성합니다.
Amazon OpenSearch Service 및 Kibana 설정
이 섹션에서는 Amazon OpenSearch Service 클러스터를 보호하고 로컬 프록시를 설치하여 Kibana에 안전하게 액세스하는 방법을 안내합니다.
- Amazon OpenSearch Service 콘솔에서 템플릿으로 생성된 도메인을 선택합니다.
- 에 행위 메뉴, 선택 액세스 정책 수정.
- 럭셔리 도메인 액세스 정책선택한다. 사용자 지정 액세스 정책.
- . 액세스 정책이 지워집니다 팝업 창에서 선택 지우고 계속.
- 다음 페이지에서 Amazon OpenSearch Service 도메인에 대한 액세스를 잠그도록 다음 문을 구성합니다.
- IPv4 주소 허용 – 귀하의 IP 주소.
- IAM ARN 허용 - 의 가치
ESDomainAccessPrincipal
당신은 이전에 복사했습니다.
- 왼쪽 메뉴에서 문의하기.
이렇게 하면 AVAIPopulateES 기능에 대한 액세스 권한과 IP 주소에서 Kibana 액세스 권한을 부여하는 액세스 정책이 생성됩니다. 액세스 정책 범위 축소에 대한 자세한 내용은 다음을 참조하십시오. 액세스 정책 구성.
- 도메인 상태가 다음과 같이 표시 될 때까지 기다리십시오.
Active
. - Amazon EventBridge 콘솔에서 이벤트선택한다. 규칙. CloudFormation 템플릿이 생성한 두 가지 규칙을 볼 수 있습니다.
- 선택
AVAIQueuePollerSchedule
규칙을 클릭하고 활성화하십시오. 사용.
5~8분 안에 데이터가 유입되기 시작하고 Amazon OpenSearch Service 클러스터에 엔터티가 생성됩니다. 이제 Kibana에서 이러한 엔터티를 시각화할 수 있습니다. 이렇게 하려면 이라는 오픈 소스 프록시를 사용합니다. 아즈에 키바 나. 컴퓨터에 프록시를 설치하려면 다음 코드를 입력하십시오.
aws-es-kibana your_OpenSearch_domain_endpoint
도메인 엔드 포인트는 출력 CloudFormation 스택의 탭 ESDomainEndPoint
. 다음과 같은 결과가 나타납니다.
시각화 생성 및 태그가 지정된 콘텐츠 분석
원문을 참고하세요 블로그 게시물.
정리
향후 요금이 발생하지 않도록 하려면 사용하지 않을 때 리소스를 삭제하십시오. 연결된 CloudFormation 스택을 삭제하여 모든 리소스를 쉽게 삭제할 수 있습니다. 스택을 성공적으로 삭제하려면 생성된 S3 버킷 콘텐츠를 비워야 합니다.
결론
이 게시물에서는 Amazon AppFlow와 함께 Amazon AI 서비스를 사용하여 Veeva Vault PromoMats의 기능을 확장하고 귀중한 정보를 빠르고 쉽게 추출하는 방법을 보여주었습니다. 내장된 루프백 메커니즘을 통해 태그를 Veeva Vault로 다시 업데이트하고 자산의 자동 태그 지정을 활성화할 수 있습니다. 이렇게 하면 팀에서 자산을 더 쉽게 찾고 빠르게 찾을 수 있습니다.
완벽한 ML 출력은 없지만 사람의 성과에 매우 근접할 수 있으며 팀 노력의 상당 부분을 상쇄하는 데 도움이 될 수 있습니다. 이 추가 용량을 부가가치 작업에 사용할 수 있으며 ML 솔루션의 출력을 확인하는 데 작은 용량을 할당할 수 있습니다. 이 솔루션은 또한 비용을 최적화하고 태그 일관성을 달성하며 기존 자산을 빠르게 검색할 수 있도록 도와줍니다.
마지막으로 데이터 소유권을 유지하고 콘텐츠를 처리, 저장 및 호스팅 할 수있는 AWS 서비스를 선택할 수 있습니다. AWS는 귀하의 동의없이 어떠한 목적으로도 콘텐츠에 액세스하거나 콘텐츠를 사용하지 않으며, 마케팅 또는 광고를위한 정보를 도출하기 위해 고객 데이터를 사용하지 않습니다. 자세한 내용은 데이터 개인 정보 보호 FAQ.
추가 개선 사항을 통해 이 솔루션의 기능을 더욱 확장할 수도 있습니다. 예를 들어 이 게시물의 AI 및 ML 서비스 외에도 다음을 사용하여 구축한 사용자 지정 ML 모델을 쉽게 추가할 수 있습니다. 아마존 세이지 메이커 건축에.
Veeva 및 AWS의 추가 사용 사례를 탐색하는 데 관심이 있는 경우 AWS 계정 팀에 문의하십시오.
Veeva Systems는 이 콘텐츠를 검토하고 승인했습니다. Veeva Vault 관련 추가 질문은 다음으로 문의하십시오. 비바 지원.
저자 소개
마야크 타카르 AWS의 AI/ML 비즈니스 개발, 글로벌 의료 및 생명 과학 책임자입니다. 그는 의료, 생명 과학, 보험, 소매와 같은 다양한 산업에서 18년 이상의 경험을 가지고 있으며 실제 산업 문제를 해결하기 위한 서버리스, 인공 지능 및 기계 학습 기반 솔루션 구축을 전문으로 합니다. AWS에서 그는 전 세계의 대형 제약 회사와 긴밀히 협력하여 최첨단 솔루션을 구축하고 클라우드 여정을 지원합니다. 일 외에도 Mayank는 아내와 함께 집이 불타거나 물에 잠기는 것을 방지하기 위해 애쓰면서 두 명의 활기차고 장난꾸러기 소년 Aaryan(6)과 Kiaan(4)을 키우느라 분주합니다!
아나마리아 토도르 덴마크 코펜하겐에 거주하는 수석 솔루션 아키텍트입니다. 그녀는 4살 때 처음으로 컴퓨터를 보았고 그 이후로 컴퓨터 공학과 공학을 놓지 않았습니다. 그녀는 전체 스택 개발자에서 데이터 엔지니어, 기술 책임자 및 다양한 덴마크 회사의 CTO에 이르기까지 다양한 기술 역할을 수행했습니다. Anamaria는 응용 엔지니어링 및 컴퓨터 과학 학사 학위, 컴퓨터 과학 석사 학위, 10년 이상의 AWS 실무 경험을 보유하고 있습니다. AWS에서 그녀는 엔터프라이즈 부문의 의료 및 생명 과학 회사와 긴밀하게 협력하고 있습니다. 그녀는 일을 하지 않거나 비디오 게임을 하지 않을 때 기술을 통해 자신의 경로를 이해하고 찾는 데 있어 소녀와 여성 전문가를 코칭하고 있습니다.
- "
- 10
- 100
- 7
- 9
- a
- 소개
- 추상
- ACCESS
- 얻기 쉬운
- 수용하다
- 계정
- 달성
- 가로질러
- 행동
- 또한
- 추가
- 주소
- 광고
- AI
- AI 서비스
- All
- 수
- 아마존
- 양
- 분석
- 분석
- 분석하다
- 분리
- API를
- API
- 어플리케이션
- 어플리케이션
- 적용된
- 접근
- 적당한
- 아키텍처
- 약
- 인조의
- 인공 지능
- 아트 워크
- 유산
- 자산
- 관련
- 오디오
- Automatic
- 자동적으로
- 유효성
- AWS
- 전에
- 존재
- 더 나은
- 사이에
- 경계
- 빌드
- 건물
- 내장
- 사업
- 전화
- 기능
- 생산 능력
- 케이스
- 가지 경우
- 요금
- 왼쪽 메뉴에서
- 분류
- 임상 시험
- 클라우드
- 코칭
- 암호
- 결합
- 왔다
- 오는
- 상업
- 기업
- 완전한
- 구성 요소
- 포괄적 인
- 컴퓨터
- 컴퓨터 과학
- 개념
- 조건
- 자신
- 구성
- 연결하기
- 연결
- 동의
- 콘솔에서
- CONTACT
- 이 포함되어 있습니다
- 함유량
- 동
- 비용
- 수
- 국가
- 만들
- 만든
- 생성
- 창조
- 신임장
- CTO (최고 기술 담당자)
- 관습
- 고객
- 최첨단
- 계기반
- 데이터
- 데이터 처리
- 결정
- 제공
- 수요
- 시연
- Danmark
- 배포
- 전개
- 목적지
- 목적지
- 세부설명
- 탐지 된
- Detection System
- 개발자
- 개발
- 디지털
- 디지털 자산
- 발견
- 서류
- 하지 않습니다
- 도메인
- 도메인
- 아래 (down)
- 마약
- 마다
- 용이하게
- 사용하기 쉬운
- 생태계
- 유효한
- 노력
- 가능
- 수
- 종점
- 기사
- 엔지니어링
- 영어
- 엔터 버튼
- Enterprise
- 엔티티
- 환경
- 이벤트
- 이벤트
- 모두
- 예
- 예
- 현존하는
- 경험
- 탐험
- 확장
- 추출물
- 얼굴
- 특색
- 특징
- 피드백
- 여자
- Fields
- 필터
- 발견
- 먼저,
- 흐름
- 집중
- 수행원
- 체재
- 발견
- 에
- 가득 찬
- 기능
- 기능
- 기능
- 추가
- 미래
- Games
- 일반적으로
- 생성
- 점점
- 여자
- 글로벌
- 보조금
- 손 -에
- 머리
- 건강 관리
- 도움
- 높은
- 집
- 방법
- How To
- HTTPS
- 사람의
- 식별자
- 확인
- 통합 인증
- 영상
- 형상
- 가져 오기
- 포함
- 포함
- 포함
- 색인
- 개인
- 산업
- 산업
- 정보
- 정보
- 입력
- 삽입물
- 통찰력
- 통찰력
- 설치
- 보험
- 통합 된
- 완성
- 인텔리전스
- 상호 작용
- 관심있는
- 인터페이스
- IP
- IP 주소
- IT
- 일
- 여행
- 유지
- 키
- 레이블링
- 레이블
- 언어
- 언어
- 넓은
- 최근
- 시작
- 리드
- 휴가
- 생명과학
- 라인
- LINK
- 링크드인
- 지방의
- 보기
- 기계
- 유지하다
- 확인
- 제작
- 관리
- 관리
- 구축
- 태도
- 조작
- 제조
- 매핑
- 마케팅
- 석사
- 재료
- 기구
- 의료
- 말하는
- 통계
- ML
- 모델
- 배우기
- 가장
- 움직임
- 여러
- 자연의
- 필요한
- 요구
- 다음 것
- 노이즈
- 제공
- 오프셋
- 열 수
- 운영
- 조작
- 최적화
- 옵션
- 주문
- 실물
- 기타
- 전체
- 자신의
- 소유권
- 부품
- 통과
- 비밀번호
- 환자
- tỷ lệ phần trăm
- 완전한
- 성능
- 제약회사
- 연주
- 부디
- 정책
- 정책
- 투표
- 팝업
- 제시
- 너무 이른
- 개인 정보 보호
- 문제
- 방법
- 프로세스
- 처리
- 프로세서
- 제작자
- 제품
- 전문가
- 증명
- 개념 증명
- 재산
- 프로토콜
- 제공
- 제공
- 대리
- 공개
- 게시
- 목적
- 목적
- 밀
- 빠른
- 빨리
- 인상
- 이르기까지
- 도달
- 반응
- 반응
- 기록
- 기록
- 규정하는
- 관련된
- 나머지
- 대표되는
- 요청
- 연구
- 자료
- 응답
- 결과
- 결과
- 소매
- 직위별
- 규칙
- 달리기
- 같은
- 확장성
- 규모
- 예약
- 과학
- 과학
- 안전하게
- 분절
- 서버리스
- 서비스
- 서비스
- 세트
- 설정
- 공유
- 표시
- 단순, 간단, 편리
- 이후
- 대지
- 사태
- 작은
- So
- 소프트웨어
- 서비스로서의 소프트웨어
- 고체
- 해결책
- 솔루션
- 풀다
- 일부
- 전문
- 구체적인
- 명세서
- 스택
- 표준
- 스타트
- 시작
- 주 정부
- 문
- Status
- 저장
- 저장
- 상점
- 흐름
- 구조화
- 교육과정
- 실질적인
- 성공한
- 성공적으로
- SUPPORT
- 지원
- 지원
- 지원
- 체계
- 시스템은
- 작업
- 팀
- 팀
- 테크니컬
- Technology
- 템플릿
- 조건
- XNUMXD덴탈의
- 소스
- 세계
- 세
- 을 통하여
- TIE
- 시간
- 시간이 많이 걸리는
- 수단
- 에 대한
- 선로
- 추적
- 이전
- 전송
- 번역
- 방아쇠를 당긴
- 아래에
- 이해
- 유일한
- 무제한
- 업데이트
- 업데이트
- us
- 사용
- 확인
- 가치
- 여러
- 둥근 천장
- 버전
- Video
- 비디오 게임
- 웹 사이트
- 동안
- 없이
- 말
- 작업
- 일
- 일하는
- 일
- 세계
- 년
- 너의