기계 학습(ML) 패러다임 전환의 씨앗은 수십 년 동안 존재해 왔지만 사실상 무한한 컴퓨팅 용량의 가용성, 데이터의 대량 확산, ML 기술의 급속한 발전으로 산업 전반의 고객이 ML을 빠르게 채택하고 사용하고 있습니다. 비즈니스를 혁신하는 기술.
최근에 제너레이티브 AI 애플리케이션이 모든 사람의 관심과 상상력을 사로잡았습니다. 우리는 ML의 광범위한 채택에서 정말 흥미진진한 변곡점에 있으며 모든 고객 경험과 애플리케이션이 제너레이티브 AI로 재창조될 것이라고 믿습니다.
Generative AI는 대화, 스토리, 이미지, 동영상, 음악 등 새로운 콘텐츠와 아이디어를 생성할 수 있는 AI 유형입니다. 모든 AI와 마찬가지로 생성 AI는 ML 모델, 즉 방대한 데이터 코퍼스에서 사전 훈련되고 일반적으로 FM(기초 모델)이라고 하는 매우 큰 모델에 의해 구동됩니다.
FM의 크기와 범용성으로 인해 일반적으로 감정에 대한 텍스트 분석, 이미지 분류 및 추세 예측과 같은 특정 작업을 수행하는 기존 ML 모델과 다릅니다.
기존 ML 모델을 사용하여 각각의 특정 작업을 달성하려면 레이블이 지정된 데이터를 수집하고 모델을 교육하고 해당 모델을 배포해야 합니다. 기본 모델을 사용하면 각 모델에 대해 레이블이 지정된 데이터를 수집하고 여러 모델을 교육하는 대신 사전 교육된 동일한 FM을 사용하여 다양한 작업을 조정할 수 있습니다. 또한 처음부터 모델을 교육하는 데 필요한 데이터 및 컴퓨팅의 일부만 사용하여 비즈니스를 차별화하는 도메인별 기능을 수행하도록 FM을 사용자 지정할 수 있습니다.
제너레이티브 AI는 콘텐츠가 생성되고 소비되는 방식을 혁신함으로써 많은 산업을 혼란에 빠뜨릴 수 있는 잠재력을 가지고 있습니다. 원본 콘텐츠 제작, 코드 생성, 고객 서비스 향상 및 문서 요약은 생성 AI의 일반적인 사용 사례입니다.
Amazon SageMaker 점프스타트 ML을 시작하는 데 도움이 되도록 다양한 문제 유형에 대한 사전 학습된 오픈 소스 모델을 제공합니다. 배포 전에 이러한 모델을 증분식으로 교육하고 조정할 수 있습니다. JumpStart는 또한 일반적인 사용 사례를 위한 인프라를 설정하는 솔루션 템플릿과 ML을 위한 실행 가능한 예제 노트북을 제공합니다. 아마존 세이지 메이커.
600개 이상의 사전 학습된 모델을 사용할 수 있고 매일 증가하는 JumpStart를 통해 개발자는 최신 ML 기술을 프로덕션 워크플로에 쉽고 빠르게 통합할 수 있습니다. 다음의 JumpStart 랜딩 페이지를 통해 선행 학습된 모델, 솔루션 템플릿 및 예제에 액세스할 수 있습니다. 아마존 세이지 메이커 스튜디오. SageMaker Python SDK를 사용하여 JumpStart 모델에 액세스할 수도 있습니다. 프로그래밍 방식으로 JumpStart 모델을 사용하는 방법에 대한 정보는 다음을 참조하십시오. 사전 훈련된 모델과 함께 SageMaker JumpStart 알고리즘 사용.
2023년 XNUMX월 AWS는 아마존 기반암를 비롯한 스타트업의 사전 훈련된 모델을 통해 생성적 AI 기반 앱을 구축할 수 있는 방법을 제공합니다. AI21 연구소, 인류및 안정성 AI. Amazon Bedrock은 또한 AWS에서 사내 교육을 받은 모델 제품군인 Titan 기초 모델에 대한 액세스를 제공합니다. Amazon Bedrock의 서버리스 경험을 통해 필요에 맞는 올바른 모델을 쉽게 찾고, 빠르게 시작하고, 자신의 데이터로 FM을 비공개로 사용자 지정하고, 친숙한 AWS 도구 및 기능을 사용하여 애플리케이션에 쉽게 통합 및 배포할 수 있습니다. 와(다음과 같은 SageMaker ML 기능과의 통합 포함) Amazon SageMaker 실험 다양한 모델을 테스트하고 Amazon SageMaker 파이프 라인 인프라를 관리할 필요 없이 규모에 맞게 FM을 관리할 수 있습니다.
이 게시물에서는 다음을 사용하여 JumpStart에서 이미지 및 텍스트 생성 AI 모델을 배포하는 방법을 보여줍니다. AWS 클라우드 개발 키트 (AWS CDK). AWS CDK는 Python과 같은 친숙한 프로그래밍 언어를 사용하여 클라우드 애플리케이션 리소스를 정의하는 오픈 소스 소프트웨어 개발 프레임워크입니다.
이미지 생성에는 Stable Diffusion 모델을 사용하고 이미지 생성에는 FLAN-T5-XL 모델을 사용합니다. 자연어 이해(NLU) 및 텍스트 생성 포옹하는 얼굴 점프스타트에서.
솔루션 개요
웹 애플리케이션은 스트림릿, ML 및 데이터 과학을 위한 아름다운 사용자 지정 웹 앱을 쉽게 만들고 공유할 수 있게 해주는 오픈 소스 Python 라이브러리입니다. 다음을 사용하여 웹 애플리케이션을 호스팅합니다. Amazon 탄력적 컨테이너 서비스 (아마존 ECS) AWS 파게이트 Application Load Balancer를 통해 액세스됩니다. Fargate는 Amazon ECS와 함께 사용하여 실행할 수 있는 기술입니다. 용기 서버나 클러스터 또는 가상 머신을 관리할 필요가 없습니다. 생성 AI 모델 끝점은 다음 위치의 JumpStart 이미지에서 시작됩니다. Amazon Elastic Container Registry (아마존 ECR). 모델 데이터는 다음에 저장됩니다. 아마존 단순 스토리지 서비스 (Amazon S3) JumpStart 계정에서. 웹 애플리케이션은 다음을 통해 모델과 상호 작용합니다. 아마존 API 게이트웨이 및 AWS 람다 다음 다이어그램과 같이 기능합니다.
API Gateway는 모델과 인터페이스하는 Lambda 기능을 보호하면서 웹 애플리케이션 및 기타 클라이언트에 표준 RESTful 인터페이스를 제공합니다. 이는 모델을 사용하는 클라이언트 애플리케이션 코드를 단순화합니다. API 게이트웨이 엔드포인트는 이 예에서 공개적으로 액세스할 수 있으므로 이 아키텍처를 확장하여 다른 구현을 구현할 수 있습니다. API 액세스 제어 다른 응용 프로그램과 통합합니다.
이 게시물에서는 다음 단계를 안내합니다.
- 설치 AWS 명령 줄 인터페이스 (AWS CLI) 및 AWS CDK v2 로컬 컴퓨터에서.
- AWS CDK 애플리케이션을 복제하고 설정합니다.
- AWS CDK 애플리케이션을 배포합니다.
- 이미지 생성 AI 모델을 사용합니다.
- 텍스트 생성 AI 모델을 사용합니다.
- 배포된 리소스 보기 AWS 관리 콘솔.
이 게시물 끝에 있는 부록에서 이 프로젝트의 코드에 대한 개요를 제공합니다.
사전 조건
다음 전제 조건이 있어야 합니다.
로컬 컴퓨터에서 이 자습서의 인프라를 배포하거나 다음을 사용할 수 있습니다. AWS 클라우드9 배포 워크스테이션으로. AWS Cloud9에는 AWS CLI, AWS CDK 및 Docker가 미리 로드되어 있습니다. AWS Cloud9을 선택한 경우, 환경을 조성하다 인사말 AWS 콘솔.
이 게시물을 완료하는 데 드는 예상 비용은 리소스를 50시간 동안 실행한다고 가정할 때 $8입니다. 지속적인 요금 청구를 피하려면 이 게시물에서 생성한 리소스를 삭제해야 합니다.
로컬 시스템에 AWS CLI 및 AWS CDK 설치
로컬 머신에 AWS CLI가 아직 없는 경우 다음을 참조하십시오. 최신 버전의 AWS CLI 설치 또는 업데이트 및 AWS CLI 구성.
다음 노드 패키지 관리자 명령을 사용하여 전역적으로 AWS CDK 도구 키트를 설치합니다.
다음 명령을 실행하여 올바른 설치를 확인하고 AWS CDK의 버전 번호를 인쇄하십시오.
로컬 컴퓨터에 Docker가 설치되어 있는지 확인하십시오. 다음 명령을 실행하여 버전을 확인하십시오.
AWS CDK 애플리케이션 복제 및 설정
로컬 시스템에서 다음 명령을 사용하여 AWS CDK 애플리케이션을 복제합니다.
프로젝트 폴더로 이동합니다.
애플리케이션을 배포하기 전에 디렉터리 구조를 검토해 보겠습니다.
XNUMXD덴탈의 stack
폴더에는 AWS CDK 애플리케이션의 각 스택에 대한 코드가 포함되어 있습니다. 그만큼 code
폴더에는 Lambda 함수에 대한 코드가 포함되어 있습니다. 리포지토리에는 폴더 아래에 있는 웹 응용 프로그램도 포함되어 있습니다. web-app
.
XNUMXD덴탈의 cdk.json
파일은 AWS CDK 도구 키트에 애플리케이션을 실행하는 방법을 알려줍니다.
이 응용 프로그램은 us-east-1
지역이지만 필수 서비스 및 추론 인스턴스 유형이 있는 모든 지역에서 작동해야 합니다. ml.g4dn.4xlarge
지정 app.py
.
가상 환경 설정
이 프로젝트는 표준 Python 프로젝트처럼 설정됩니다. 다음 코드를 사용하여 Python 가상 환경을 만듭니다.
다음 명령을 사용하여 가상 환경을 활성화합니다.
Windows 플랫폼을 사용 중인 경우 다음과 같이 가상 환경을 활성화합니다.
가상 환경이 활성화된 후 pip를 최신 버전으로 업그레이드합니다.
필요한 종속성을 설치합니다.
AWS CDK 애플리케이션을 배포하기 전에 계정의 공간과 배포할 리전을 부트스트랩해야 합니다. 기본 리전에서 부트스트랩하려면 다음 명령을 실행합니다.
특정 계정 및 지역에 배포하려면 다음 명령을 실행합니다.
이 설정에 대한 자세한 내용은 다음을 참조하십시오. AWS CDK 시작하기.
AWS CDK 애플리케이션 스택 구조
AWS CDK 애플리케이션에는 다음 다이어그램과 같이 여러 스택이 포함되어 있습니다.
다음 명령을 사용하여 AWS CDK 애플리케이션의 스택을 나열할 수 있습니다.
다음은 기타 유용한 AWS CDK 명령입니다.
- CDK LS – 앱의 모든 스택 나열
- cdk 신디사이저 – 합성된 것을 방출합니다 AWS 클라우드 포메이션 이 템플릿
- cdk 배포 – 이 스택을 기본 AWS 계정 및 지역에 배포합니다.
- cdk 차이 – 배포된 스택을 현재 상태와 비교
- cdk 문서 – AWS CDK 설명서를 엽니다.
다음 섹션에서는 AWS CDK 애플리케이션을 배포하는 방법을 보여줍니다.
AWS CDK 애플리케이션 배포
AWS CDK 애플리케이션은 워크스테이션 구성에 따라 기본 리전에 배포됩니다. 특정 리전에서 배포를 강제하려면 AWS_DEFAULT_REGION
그에 따라 환경 변수.
이 시점에서 AWS CDK 애플리케이션을 배포할 수 있습니다. 먼저 VPC 네트워크 스택을 시작합니다.
프롬프트가 표시되면 다음을 입력하십시오. y
배포를 진행합니다. 스택에서 프로비저닝 중인 AWS 리소스 목록이 표시되어야 합니다. 이 단계를 완료하는 데 약 3분이 걸립니다.
그런 다음 웹 애플리케이션 스택을 시작합니다.
스택을 분석한 후 AWS CDK는 스택의 리소스 목록을 표시합니다. 배포를 진행하려면 y를 입력합니다. 이 단계는 약 5분 정도 걸립니다.
적어 WebApplicationServiceURL
나중에 사용하기 위해 출력에서. AWS CloudFormation 콘솔의 다음에서 검색할 수도 있습니다. GenerativeAiDemoWebStack
스택 출력.
이제 이미지 생성 AI 모델 엔드포인트 스택을 시작합니다.
이 단계는 약 8분 정도 걸립니다. 이미지 생성 모델 엔드포인트가 배포되었으므로 이제 사용할 수 있습니다.
이미지 생성 AI 모델 사용
첫 번째 예는 텍스트 프롬프트에서 고품질 이미지를 생성할 수 있는 강력한 생성 모델링 기술인 Stable Diffusion을 활용하는 방법을 보여줍니다.
- 다음을 사용하여 웹 애플리케이션에 액세스합니다.
WebApplicationServiceURL
의 출력에서GenerativeAiDemoWebStack
브라우저에서. - 탐색 창에서 이미지 생성.
- XNUMXD덴탈의 SageMaker 엔드포인트 이름 및 API GW URL 필드는 미리 채워지지만 원하는 경우 이미지 설명 프롬프트를 변경할 수 있습니다.
- 왼쪽 메뉴에서 이미지 생성.
- 애플리케이션은 SageMaker 엔드포인트를 호출합니다. 몇 초가 걸립니다. 이미지 설명의 특징이 있는 사진이 표시됩니다.
텍스트 생성 AI 모델 사용
두 번째 예는 기본 또는 대규모 언어 모델(LLM)인 FLAN-T5-XL 모델을 사용하여 텍스트 생성을 위한 상황 내 학습을 달성하는 동시에 광범위한 자연어 이해(NLU) 및 자연 언어 이해를 처리하는 데 중점을 둡니다. 언어 생성(NLG) 작업.
일부 환경에서는 한 번에 시작할 수 있는 엔드포인트의 수가 제한될 수 있습니다. 이 경우 한 번에 하나의 SageMaker 엔드포인트를 시작할 수 있습니다. AWS CDK 앱에서 SageMaker 엔드포인트를 중지하려면 다른 엔드포인트 스택을 시작하기 전에 배포된 엔드포인트 스택을 제거해야 합니다. 이미지 생성 AI 모델 엔드포인트를 해제하려면 다음 명령을 실행하십시오.
그런 다음 텍스트 생성 AI 모델 엔드포인트 스택을 시작합니다.
프롬프트에 y를 입력합니다.
텍스트 생성 모델 엔드포인트 스택이 시작된 후 다음 단계를 완료하십시오.
- 웹 애플리케이션으로 돌아가서 다음을 선택하십시오. 텍스트 생성 탐색 창에서
- XNUMXD덴탈의 입력 컨텍스트 필드는 고객 전화 문제와 관련하여 고객과 상담원 간의 대화로 미리 채워져 있지만 원하는 경우 자신의 컨텍스트를 입력할 수 있습니다.
- 컨텍스트 아래 드롭다운 메뉴에 미리 입력된 쿼리가 있습니다. 쿼리를 선택하고 선택 응답 생성.
- 당신은 또한에 자신의 쿼리를 입력할 수 있습니다 입력 쿼리 입력란을 선택한 다음 응답 생성.
콘솔에서 배포된 리소스 보기
AWS CloudFormation 콘솔에서 스택 탐색 창에서 배포된 스택을 봅니다.
Amazon ECS 콘솔에서 클러스터를 볼 수 있습니다. 클러스터 페이지.
AWS Lambda 콘솔에서 다음 기능을 볼 수 있습니다. 기능 페이지.
API Gateway 콘솔에서 API Gateway 엔드포인트를 볼 수 있습니다. API 페이지.
SageMaker 콘솔에서 배포된 모델 엔드포인트를 볼 수 있습니다. 종점 페이지.
스택이 시작되면 일부 매개변수가 생성됩니다. 이들은에 저장됩니다 AWS Systems Manager 파라미터 스토어. 보려면 다음을 선택하십시오. 파라미터 저장소 탐색 창에서 AWS 시스템 관리자 콘솔.
정리
불필요한 비용을 피하려면 워크스테이션에서 다음 명령으로 생성된 모든 인프라를 정리하십시오.
엔터 버튼 y
프롬프트에서. 이 단계는 약 10분 정도 걸립니다. 콘솔에서 모든 리소스가 삭제되었는지 확인합니다. Amazon S3 콘솔의 AWS CDK에서 생성한 자산 S3 버킷과 Amazon ECR의 자산 리포지토리도 삭제합니다.
결론
이 게시물에서 설명한 것처럼 AWS CDK를 사용하여 JumpStart에서 생성 AI 모델을 배포할 수 있습니다. Streamlit, Lambda 및 API Gateway에서 제공하는 사용자 인터페이스를 사용하여 이미지 생성 예제와 텍스트 생성 예제를 보여주었습니다.
이제 JumpStart에서 사전 훈련된 AI 모델을 사용하여 생성 AI 프로젝트를 구축할 수 있습니다. 또한 이 프로젝트를 확장하여 사용 사례에 대한 기반 모델을 미세 조정하고 API Gateway 엔드포인트에 대한 액세스를 제어할 수 있습니다.
솔루션을 테스트하고 프로젝트에 기여하도록 초대합니다. GitHub의. 댓글에서 이 튜토리얼에 대한 생각을 공유하세요!
라이선스 요약
이 샘플 코드는 수정된 MIT 라이선스에 따라 사용할 수 있습니다. 참조 라이센스 자세한 내용은 파일을 참조하십시오. 또한 다음에 대한 해당 라이센스를 검토하십시오. 안정적인 확산 및 플랜-t5-xl Hugging Face의 모델.
저자 소개
한츨리 터쿠어 싱가포르에 본사를 둔 APJ 파트너 솔루션 아키텍처 리더입니다. 그는 솔루션 아키텍처, 비즈니스 개발, 영업 전략, 컨설팅 및 리더십을 포함한 여러 기능 영역에 걸친 ICT 산업에서 20년의 경험을 가지고 있습니다. 그는 파트너가 공동 솔루션을 개발하고, 기술 역량을 구축하고, 고객이 애플리케이션을 AWS로 마이그레이션하고 현대화함에 따라 구현 단계를 통해 파트너를 조정할 수 있는 수석 솔루션 설계자 팀을 이끌고 있습니다.
최권율 서울에 본사를 둔 한국의 뷰티 케어 플랫폼 스타트업인 BABITALK의 CTO입니다. 이 역할을 맡기 전에 Kownyul은 AWS CDK 및 Amazon SageMaker에 중점을 두고 AWS에서 소프트웨어 개발 엔지니어로 근무했습니다.
아룬 프라 사스 샨 카르 AWS의 수석 AI/ML 전문가 솔루션 설계자로서 전 세계 고객이 클라우드에서 AI 솔루션을 효과적이고 효율적으로 확장할 수 있도록 지원합니다. 여가 시간에 Arun은 공상 과학 영화를 보고 클래식 음악을 듣는 것을 즐깁니다.
사티시 우프레티 APJ 파트너 조직의 마이그레이션 리드 PSA 및 보안 SME입니다. Satish는 온프레미스 프라이빗 클라우드 및 퍼블릭 클라우드 기술에 걸쳐 20년의 경험을 보유하고 있습니다. 2020년 XNUMX월 마이그레이션 전문가로 AWS에 합류한 이후 그는 복잡한 마이그레이션을 계획하고 구현하기 위해 AWS 파트너에게 광범위한 기술 조언과 지원을 제공합니다.
부록: 코드 연습
이 섹션에서는 이 프로젝트의 코드에 대한 개요를 제공합니다.
AWS CDK 애플리케이션
기본 AWS CDK 애플리케이션은 app.py
루트 디렉토리에 있는 파일. 프로젝트는 여러 스택으로 구성되어 있으므로 스택을 가져와야 합니다.
생성 AI 모델을 정의하고 SageMaker에서 관련 URI를 가져옵니다.
get_sagemaker_uris 함수는 JumpStart에서 모든 모델 정보를 검색합니다. 보다 script/sagemaker_uri.py
.
그런 다음 스택을 인스턴스화합니다.
시작할 첫 번째 스택은 VPC 스택인 GenerativeAiVpcNetworkStack입니다. 웹 애플리케이션 스택인 GenerativeAiDemoWebStack은 VPC 스택에 종속됩니다. 종속성은 vpc=network_stack.vpc를 전달하는 매개변수를 통해 수행됩니다.
만나다 app.py
전체 코드의 경우.
VPC 네트워크 스택
GenerativeAiVpcNetworkStack 스택에서 두 가용 영역에 걸친 퍼블릭 서브넷과 프라이빗 서브넷이 있는 VPC를 생성합니다.
만나다 /stack/generative_ai_vpc_network_stack.py
전체 코드의 경우.
데모 웹 애플리케이션 스택
GenerativeAiDemoWebStack 스택에서 웹 애플리케이션이 SageMaker 모델 엔드포인트와 상호 작용하는 Lambda 함수 및 각 API 게이트웨이 엔드포인트를 시작합니다. 다음 코드 스니펫을 참조하십시오.
웹 애플리케이션은 Fargate와 함께 Amazon ECS에서 컨테이너화되고 호스팅됩니다. 다음 코드 스니펫을 참조하십시오.
만나다 /stack/generative_ai_demo_web_stack.py
전체 코드의 경우.
이미지 생성 SageMaker 모델 엔드포인트 스택
GenerativeAiTxt2imgSagemakerStack 스택은 JumpStart에서 이미지 생성 모델 엔드포인트를 생성하고 엔드포인트 이름을 Systems Manager Parameter Store에 저장합니다. 이 매개변수는 웹 애플리케이션에서 사용됩니다. 다음 코드를 참조하십시오.
만나다 /stack/generative_ai_txt2img_sagemaker_stack.py
전체 코드의 경우.
NLU 및 텍스트 생성 SageMaker 모델 엔드포인트 스택
GenerativeAiTxt2nluSagemakerStack 스택은 JumpStart에서 NLU 및 텍스트 생성 모델 엔드포인트를 생성하고 엔드포인트 이름을 Systems Manager Parameter Store에 저장합니다. 이 매개변수는 웹 애플리케이션에서도 사용됩니다. 다음 코드를 참조하십시오.
만나다 /stack/generative_ai_txt2nlu_sagemaker_stack.py
전체 코드의 경우.
웹 응용 프로그램
웹 응용 프로그램은 다음 위치에 있습니다. /web-app
예배 규칙서. 에 따라 컨테이너화되는 Streamlit 애플리케이션입니다. Dockerfile
:
Streamlit에 대한 자세한 내용은 다음을 참조하십시오. 간소화된 문서.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
- PREIPO®로 PRE-IPO 회사의 주식을 사고 팔 수 있습니다. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :있다
- :이다
- $UP
- 1
- 10
- 100
- 20
- 20년
- 2020
- 2023
- 7
- 8
- 9
- a
- 소개
- ACCESS
- 액세스
- 얻기 쉬운
- 따라서
- 계정
- 달성
- 가로질러
- 각색하다
- 주소 지정
- 채택
- 양자
- 진보
- 조언
- 에이전트
- AI
- AI 기반
- AI / ML
- 알고리즘
- All
- 허용
- 이미
- 또한
- 아마존
- 아마존 API 게이트웨이
- 아마존 세이지 메이커
- Amazon SageMaker 점프스타트
- Amazon Web Services
- an
- 분석하는
- 및
- 어떤
- API를
- 앱
- 어플리케이션
- 어플리케이션
- 앱
- Apr
- 아키텍처
- 있군요
- 지역
- 약
- AS
- 자산
- At
- 주의
- 8월
- 유효성
- 가능
- 피하기
- AWS
- AWS 클라우드9
- AWS 클라우드 포메이션
- AWS 람다
- 뒤로
- 그네
- 기반으로
- BAT
- BE
- 아름다운
- 뷰티
- 전에
- 존재
- 믿으세요
- 사이에
- 부트 스트랩
- 넓은
- 브라우저
- 빌드
- 내장
- 사업
- 사업 개발
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 전화
- CAN
- 기능
- 생산 능력
- 캡처
- 한
- 케이스
- 가지 경우
- CD
- 센터
- 이전 단계로 돌아가기
- 특성
- 요금
- 검사
- 왼쪽 메뉴에서
- 클라이언트
- 클라이언트
- 클라우드
- Cloud9
- 암호
- 제공
- 공통의
- 일반적으로
- 완전한
- 복잡한
- 계산
- 컴퓨터
- 구성
- 콘솔에서
- 구축
- 컨설팅
- 소비
- 포함
- 컨테이너
- 이 포함되어 있습니다
- 함유량
- 문맥
- 기여하다
- 제어
- 대화
- 대화
- 수정
- 비용
- 만들
- 만든
- 생성
- 창조
- CTO (최고 기술 담당자)
- Current
- 관습
- 고객
- 고객 경험
- 고객 센터
- 고객
- 사용자 정의
- 최첨단
- 데이터
- 데이터 과학
- 일
- 수십 년
- 태만
- 정의
- 시연
- 보여줍니다
- 의존
- 의존하는
- 배포
- 배포
- 배치
- 전개
- 배치하다
- 설명
- 파괴
- 개발
- 개발자
- 개발
- 다른
- 방송
- 디스플레이
- 혼란
- 도커
- 문서
- 한
- 말라
- 아래 (down)
- 마다
- 용이하게
- 쉽게
- 효과적으로
- 효율적으로
- 가능
- 수
- end
- 종점
- 기사
- 엔터 버튼
- 환경
- 환경
- 예상
- 모든
- 매일
- 모두의
- 예
- 예
- 흥미 진진한
- 경험
- 확장
- 광대 한
- 페이스메이크업
- 그릇된
- 익숙한
- 가족
- 특징
- 를
- 들
- Fields
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- Find
- 먼저,
- 초점
- 수행원
- 다음
- 럭셔리
- 힘
- Foundation
- 분수
- 뼈대
- 에
- 가득 찬
- 기능
- 기능의
- 기능
- 게이트웨이
- 수집
- 모임
- 범용
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 얻을
- 힘내
- 글로벌
- 세계적으로
- 성장하는
- 있다
- 데
- he
- 도움
- 도움이
- 높은 품질의
- 그의
- 홈
- 주인
- 호스팅
- 진료 시간
- 방법
- How To
- HTML
- HTTP
- HTTPS
- 정보 통신 기술
- 아이디어
- if
- 영상
- 형상
- 상상력
- 구현
- 이행
- import
- in
- 포함
- 통합
- 산업
- 산업
- 무한의
- 변곡점
- 정보
- 인프라
- 설치
- 설치
- 설치
- 예
- 를 받아야 하는 미국 여행자
- 통합
- 통합
- 인터렉티브
- 인터페이스
- 으로
- 초대
- 발행물
- IT
- 가입
- 관절
- JPG
- JSON
- 한국어
- 상륙
- 언어
- 언어
- 넓은
- 후에
- 최근
- 시작
- 시작
- 진수
- 리드
- 리더
- Leadership
- 오퍼
- 배우다
- 배우기
- 휴가
- 도서관
- 특허
- 면허
- 처럼
- 제한
- 라인
- 명부
- 청취
- 기울기
- LLM
- 하중
- 지방의
- 위치한
- 기계
- 기계 학습
- 기계
- 만든
- 본관
- 확인
- 제작
- 관리
- 구축
- 매니저
- .
- 거대한
- 메뉴
- 수도
- 이전
- 이주
- 회의록
- MIT
- ML
- 모델
- 모델
- 현대화
- 수정
- 배우기
- 영화 산업
- 여러
- 음악
- 절대로 필요한 것
- name
- 자연의
- 자연
- 카테고리
- 필요
- 요구
- 네트워크
- 신제품
- 다음 것
- 노드
- 지금
- 번호
- of
- 제공
- on
- ONE
- 지속적으로
- 만
- 오픈 소스
- 오픈 소스 소프트웨어
- 열립니다
- or
- 주문
- 조직
- 실물
- 기타
- 우리의
- 출력
- 위에
- 개요
- 자신의
- 꾸러미
- 페이지
- 빵
- 패러다임
- 매개 변수
- 매개 변수
- 파트너
- 파트너
- 통과
- 수행
- 상
- 전화
- .
- 계획
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 포인트 적립
- 가능성
- 게시하다
- 가능성
- powered
- 강한
- 전제 조건
- 인쇄
- 이전에
- 사설
- 문제
- 생산
- 프로그램 작성
- 프로그래밍 언어
- 프로젝트
- 프로젝트
- 제공
- 제공
- 공개
- 공공 클라우드
- 공개적으로
- Python
- 쿼리
- 빨리
- 범위
- 빠른
- 빠르게
- 준비
- 최근에
- 참조
- 에 관한
- 지방
- 관련
- 저장소
- 필수
- 요구조건 니즈
- 의지
- 제품 자료
- 그
- 리뷰
- 혁명적 인
- 연락해주세요
- 직위별
- 뿌리
- 달리기
- 달리는
- 현자
- 판매
- 같은
- 규모
- 공상 과학
- 과학
- 할퀴다
- SDK
- 둘째
- 초
- 섹션
- 보안
- 참조
- 씨앗
- 본인
- 연장자
- 감정
- 서울
- 서버리스
- 서버
- 서비스
- 서비스
- 세트
- 설치
- 공유
- 변화
- 영상을
- 표시
- 보여
- 표시
- 쇼
- 단순, 간단, 편리
- 이후
- 싱가포르
- 크기
- 작은
- EMS
- So
- 소프트웨어
- 소프트웨어 개발
- 해결책
- 솔루션
- 일부
- 출처
- 스페이스 버튼
- 전문가
- 구체적인
- 지정
- 안정된
- 스택
- 스택
- 표준
- 시작
- 시작
- 신생
- 단계
- 단계
- 중지
- 저장
- 저장
- 저장
- 상점
- 이야기
- 전략
- 구조
- 서브넷
- SUPPORT
- 시스템은
- 소요
- 태스크
- 작업
- 팀
- 테크니컬
- 기법
- 기술
- Technology
- 말하다
- 템플릿
- test
- 테스트
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그때
- Bowman의
- 이
- 을 통하여
- 시간
- 타이탄
- 에
- 툴킷
- 검색을
- 전통
- 전통적인
- Train
- 훈련 된
- 트레이닝
- 변환
- 트렌드
- 참된
- 진정으로
- 회전
- 지도 시간
- 두
- 유형
- 유형
- 전형적인
- 일반적으로
- 아래에
- 이해
- 공개
- 업데이트
- 업그레이드
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 시간을 아껴주는 인터페이스
- 사용
- 활용
- 여러
- 거대한
- 확인
- 버전
- 를 통해
- 동영상
- 관측
- 온라인
- 사실상
- 방문
- 필요
- 였다
- 시청
- 방법..
- we
- 웹
- 웹 응용 프로그램
- 웹 서비스
- 잘
- 어느
- 동안
- 넓은
- 넓은 범위
- 펼친
- 위키 백과
- 의지
- 창
- 과
- 없이
- 작업
- 일
- 워크 플로우
- 워크 스테이션
- 년
- 자신의
- 너의
- 제퍼 넷
- 지역