계약서, 송장, 이력서, 보고서 등 엄청난 양의 문서를 처리하는 현대 기업의 경우, 관련 데이터를 효율적으로 처리하고 검색하는 것은 경쟁 우위를 유지하는 데 매우 중요합니다. 그러나 문서를 저장하고 검색하는 기존 방법은 시간이 많이 걸릴 수 있으며, 특히 손글씨가 포함된 경우 특정 문서를 찾는 데 많은 노력이 소요되는 경우가 많습니다. 문서를 지능적으로 처리하고 높은 정확도로 검색할 수 있는 방법이 있다면 어떨까요?
이것은 가능합니다 아마존 텍사스, AWS의 지능형 문서 처리 서비스와 빠른 검색 기능이 결합된 오픈 검색. 이 게시물에서는 조직이 문서에서 통찰력을 더 잘 활용하고 추출하는 데 도움이 되는 문서 검색 인덱싱 솔루션을 신속하게 구축하고 배포하는 과정을 안내합니다.
직원 계약서의 특정 조항을 찾는 인사부 직원이든, 결제 데이터를 추출하기 위해 산더미 같은 송장을 조사하는 재무 분석가든, 이 솔루션은 전례 없는 속도와 정확성으로 필요한 정보에 액세스할 수 있도록 맞춤화되었습니다.
제안된 솔루션을 사용하면 문서가 자동으로 수집되고 해당 콘텐츠가 구문 분석된 후 응답성이 뛰어나고 확장성이 뛰어난 OpenSearch 인덱스로 인덱싱됩니다.
Amazon Textract와 같은 기술이 어떻게 AWS 람다, 아마존 단순 스토리지 서비스 (아마존 S3) 및 아마존 오픈서치 서비스 문서를 원활하게 처리하는 워크플로우에 통합될 수 있습니다. 그런 다음 이 데이터를 OpenSearch로 인덱싱하고 손쉽게 사용할 수 있는 검색 기능을 보여줍니다.
귀하의 조직이 디지털 혁신 시대로의 첫 걸음을 내딛고 있거나 정보 검색 속도를 높이려는 확고한 거대 기업인지 여부에 관계없이 이 가이드는 AWS 지능형 문서 처리 및 OpenSearch가 제공하는 기회를 탐색하는 데 도움이 되는 나침반입니다.
XNUMXD덴탈의 이행 이 게시물에 사용된 Amazon Textract IDP CDK 구성 – 지능형 문서 처리(IDP) 워크플로를 위한 인프라를 정의하는 AWS 클라우드 개발 키트(CDK) 구성 요소 - 이를 통해 사용 사례별 사용자 지정 가능한 IDP 워크플로를 구축할 수 있습니다. IDP CDK 구성 및 샘플은 AWS에서 IDP 프로세스를 정의할 수 있고 다음에 게시되는 구성 요소 모음입니다. GitHub의. 사용된 주요 개념은 AWS입니다. 클라우드 개발 키트(CDK) 구성, 실제 CDK 스택 및 AWS 단계 함수. 워크샵 기계 학습을 사용하여 대규모로 문서를 자동화하고 처리합니다. 워크플로를 사용자 정의하고 다른 샘플 워크플로를 기반으로 사용하는 방법에 대해 자세히 알아볼 수 있는 좋은 시작점입니다.
솔루션 개요
이 솔루션에서는 정보와 문서를 빠르게 검색할 수 있도록 문서를 OpenSearch 인덱스로 인덱싱하는 데 중점을 둡니다. PDF, TIFF, JPEG 또는 PNG 형식의 문서는 Amazon Simple Storage Service(아마존 S3) 버킷을 사용한 후 이 Step Functions 워크플로를 사용하여 OpenSearch에 인덱싱됩니다.
XNUMXD덴탈의 OpenSearchWorkflow-결정자 문서를 보고 문서가 지원되는 MIME 유형(PDF, TIFF, PNG 또는 JPEG) 중 하나인지 확인합니다. 그것은 하나로 구성되어 있습니다 AWS 람다 기능.
XNUMXD덴탈의 문서 분할기 문서에서 최대 2500페이지의 청크를 생성합니다. 즉, Amazon Textract가 최대 3000페이지의 문서를 지원하더라도 더 많은 페이지가 포함된 문서를 전달할 수 있으며 프로세스는 여전히 잘 작동하며 해당 페이지를 OpenSearch에 넣고 올바른 페이지 번호를 생성합니다. 그만큼 문서 분할기 AWS Lambda 함수로 구현됩니다.
XNUMXD덴탈의 지도 상태 각 청크를 병렬로 처리합니다.
XNUMXD덴탈의 TextractAsync 작업은 비동기식을 사용하여 Amazon Textract를 호출합니다. 응용 프로그램 프로그래밍 인터페이스 (API) 다음 모범 사례 Amazon Simple 알림 서비스(아마존 SNS) 알림 및 출력 구성 Amazon Textract JSON 출력을 고객 Amazon S3 버킷에 저장합니다. 이는 두 가지 Amazon Lambda 함수로 구성됩니다. 하나는 처리를 위해 문서를 제출하는 함수이고 다른 하나는 Amazon SNS 알림에서 트리거되는 함수입니다.
때문에 TextractAsync 작업은 페이지가 매겨진 여러 출력 파일을 생성할 수 있습니다. TextractAsyncToJSON2 프로세스는 이를 하나의 JSON 파일로 결합합니다.
Step Functions 컨텍스트는 다음의 OpenSearch 인덱스에서도 검색 가능해야 하는 정보로 풍부해졌습니다. 메타데이터 설정 단계. 샘플 구현은 다음을 추가합니다. ORIGIN_FILE_NAME
, START_PAGE_NUMBER
및 ORIGIN_FILE_URI
. 다른 백엔드 시스템의 정보, 특정 ID, 분류 정보 등 검색 경험을 풍부하게 하기 위해 어떤 정보든 추가할 수 있습니다.
XNUMXD덴탈의 OpenSearchBatch 생성 생성된 Amazon Textract 출력 JSON을 가져와 SetMetaData에서 설정한 컨텍스트의 정보와 결합한 후 OpenSearch로 일괄 가져오기에 최적화된 파일을 준비합니다.
. OpenSearchPushInvoke, 이 일괄 가져오기 파일은 OpenSearch 색인으로 전송되어 검색에 사용할 수 있습니다. 이 AWS Lambda 함수는 aws-lambda-opensearch 에서 구성 AWS 솔루션 m6g.large.search 인스턴스, OpenSearch 버전 2.7을 사용하고 Amazon Elastic Block Service(아마존 EBS) 볼륨 크기를 GP2(General Purpose 2)(200GB)로 늘렸습니다. 요구 사항에 따라 OpenSearch 구성을 변경할 수 있습니다.
마지막 TaskOpenSearch매핑 단계에서는 컨텍스트를 지웁니다. 그렇지 않으면 컨텍스트를 초과할 수 있습니다. Step Functions 할당량 of 작업, 상태 또는 실행에 대한 최대 입력 또는 출력 크기.
사전 조건
샘플을 배포하려면 AWS 계정이 필요합니다. AWS 클라우드 개발 키트(AWS CDK), 최신 Python 버전과 Docker가 필요합니다. AWS CloudFormation 템플릿을 배포하고 Amazon Elastic Container Registry (Amazon ECR), 생성 Amazon ID 및 액세스 관리 (AWS IAM) 역할, Amazon Lambda 함수, Amazon S3 버킷, Amazon Step Functions, Amazon OpenSearch 클러스터 및 아마존 코 그니 토 사용자 풀. 당신의 AWS CLI 환경이 설정되었습니다 해당 권한이 있습니다.
당신은 또한 AWS 클라우드9 배포를 시작하기 위해 AWS CDK, Python 및 Docker가 사전 설치된 인스턴스입니다.
연습
전개
- 필수 구성 요소를 설정한 후 먼저 저장소를 복제해야 합니다.
- 그런 다음 저장소 폴더로 CD를 이동하고 종속성을 설치합니다.
- OpenSearchWorkflow 스택을 배포합니다.
배포에는 GitHub 샘플의 기본 구성 설정을 사용하여 약 25분이 소요되며 문서가 Amazon S3 버킷/접두사에 배치될 때 호출된 후 문서 내용이 인덱싱될 때까지 처리되는 Step Functions 워크플로가 생성됩니다. OpenSearch 클러스터에서.
다음은 다음에서 생성된 유용한 링크와 정보를 포함하는 샘플 출력입니다.cdk deploy OpenSearchWorkflow
명령:
이 정보는 AWS CloudFormation 콘솔에서도 확인할 수 있습니다.
새 문서가 아래에 배치되면 OpenSearchWorkflow.DocumentUploadLocation, 이 문서에 대한 새로운 Step Functions 워크플로가 시작됩니다.
이 문서의 상태를 확인하려면 OpenSearchWorkflow.StepFunctionFlowLink AWS Management Console의 StepFunction 실행 목록에 대한 링크를 제공하여 Amazon S3에 업로드된 각 문서에 대한 문서 처리 상태를 표시합니다. 튜토리얼 Step Functions 콘솔에서 실행 보기 및 디버깅 AWS 콘솔의 구성 요소와 보기에 대한 개요를 제공합니다.
지원
- 먼저 샘플 파일을 사용하여 테스트해 보세요.
- StepFunction 워크플로에 대한 링크를 선택하거나 AWS Management Console을 열고 Step Functions 서비스 페이지로 이동한 후 다양한 워크플로 호출을 볼 수 있습니다.
- 개별 워크플로 작업의 실행을 추적할 수 있는 현재 실행 중인 샘플 문서 실행을 살펴보세요.
검색
프로세스가 완료되면 문서가 OpenSearch 색인에 색인되어 있는지 확인할 수 있습니다.
- 이를 위해 먼저 Amazon Cognito 사용자를 생성합니다. Amazon Cognito는 OpenSearch 인덱스에 대한 사용자 인증에 사용됩니다. cdk 배포의 출력에서 링크를 선택합니다(또는 AWS 클라우드 포메이션 AWS Management Console의 출력) 이름 OpenSearchWorkflow.CognitoUserPoolLink.
- 다음으로 사용자 만들기 버튼을 클릭하면 OpenSearch 대시보드에 액세스하기 위한 사용자 이름과 비밀번호를 입력할 수 있는 페이지로 이동됩니다.
- 선택 후 사용자 만들기을 클릭하면 OpenSearch 대시보드로 계속 이동할 수 있습니다. OpenSearchWorkflow.OpenSearchDashboard CDK 배포 출력에서. 이전에 생성한 사용자 이름과 비밀번호를 사용하여 로그인합니다. 처음 로그인하시면 비밀번호를 변경하셔야 합니다.
- OpenSearch 대시보드에 로그인한 후 스택 관리 섹션 다음에 인덱스 패턴검색 색인을 생성합니다.
- 인덱스의 기본 이름은 다음과 같습니다. 논문 색인 인덱스 패턴 이름은 다음과 같습니다. 논문 색인* 그와 일치할 것입니다.
- 클릭하면 다음 단계, 고르다 따라서 오른쪽 하단에 로 시간 필드 및 인덱스 패턴 생성.
- 이제 메뉴에서 Discover.
대부분의 경우 마지막 수집에 따라 시간 범위를 변경해야 합니다. 기본값은 15분이며 지난 15분 동안 활동이 없는 경우가 많습니다. 이 예에서는 수집을 시각화하기 위해 15일로 변경되었습니다.
- 이제 검색을 시작할 수 있습니다. 소설이 색인화되었습니다. 다음과 같은 용어를 검색할 수 있습니다. 나를 이스마엘이라 불러라 결과를 확인하세요.
이 경우 용어는 나를 이스마엘이라 불러라 파일의 Amazon S6 위치를 가리키는 지정된 URI(Uniform Resource Identifier)에서 문서의 3페이지에 나타납니다. 이를 통해 수동으로 건너뛰는 것보다 PDF, TIFF 또는 이미지 문서로 구성된 대규모 코퍼스에서 문서를 식별하고 정보를 찾는 속도가 더 빨라집니다.
대규모 실행
인덱싱 프로세스의 규모와 기간을 추정하기 위해 구현은 93,997개의 문서와 총합 1,583,197페이지(문서당 평균 16.84페이지, 가장 큰 파일은 3755페이지)로 테스트되었으며 모두 OpenSearch에 인덱싱되었습니다. 모든 파일을 처리하고 OpenSearch로 인덱싱하는 데 기본값을 사용하여 미국 동부(버지니아 북부 – us-east-5.5) 지역에서 1시간이 걸렸습니다. Amazon Textract 서비스 할당량. 아래 그래프는 18:00의 초기 테스트, 21:00의 주요 수집, 2:30까지 모두 완료되었음을 보여줍니다.
처리를 위해, tcdk.SFExecutionsStartThrottle 로 설정되었습니다 executions_concurrency_threshold
=550, 이는 동시 문서 처리 워크플로우가 550으로 제한되고 초과 요청이 다음 대기열에 대기됨을 의미합니다. 아마존 SQS FIFO(선입선출) 대기열은 현재 워크플로가 완료되면 이후에 비워집니다. 550이라는 임계값은 us-east-600 리전의 Textract Service 할당량 1을 기반으로 합니다. 따라서 가장 오래된 메시지의 대기열 깊이와 수명은 모니터링할 가치가 있는 지표입니다.
이번 테스트에서는 모든 문서가 Amazon S3에 한꺼번에 업로드되었으므로 표시되는 대략적인 메시지 수 새 문서가 수집되지 않아 급격한 증가를 보인 후 천천히 감소합니다. 그만큼 가장 오래된 메시지의 대략적인 연령 모든 메시지가 처리될 때까지 증가합니다. 아마존 SQS 메시지보존기간 14일로 설정되어 있습니다. 14일을 초과할 수 있는 매우 장기간 실행되는 백로그 처리의 경우 대표 문서의 작은 하위 집합 처리부터 시작하고 실행 기간을 모니터링하여 14일이 초과되기 전에 전달할 수 있는 문서 수를 추정합니다. Amazon SQS CloudWatch 지표는 한 번에 수집된 후 완전히 처리되는 대규모 문서 백로그를 처리하는 사용 사례와 유사해 보입니다. 사용 사례가 문서의 꾸준한 흐름인 경우 두 측정항목 모두 표시되는 대략적인 메시지 수 그리고 가장 오래된 메시지의 대략적인 연령 더 선형적이 될 것입니다. 또한 임계값 매개변수를 사용하여 안정적인 로드와 백로그 처리를 혼합하고 처리 요구 사항에 따라 용량을 할당할 수 있습니다.
모니터링해야 할 또 다른 지표는 OpenSearch 클러스터의 상태입니다. 이는 OpenSearch 클러스터의 상태에 따라 설정해야 합니다. Amazon OpenSearch Service의 운영 모범 사례. 기본 배포에서는 m6g.large.search 인스턴스를 사용합니다.
다음은 OpenSearch 클러스터에 대한 핵심 성과 지표(KPI)의 스냅샷입니다. 오류 없음, 일정한 인덱싱 데이터 속도 및 대기 시간.
Step Functions 워크플로 실행은 각 개별 문서의 처리 상태를 보여줍니다. 다음에서 처형을 본다면 실패한 상태를 선택한 다음 세부정보를 선택하세요. 모니터링하기에 좋은 지표는 AWS입니다. CloudWatch 자동 대시보드 Step Functions의 경우 Step Functions CloudWatch 지표.
이 AWS CloudWatch 대시보드 그래프에서는 시간 경과에 따른 성공적인 Step Functions 실행을 볼 수 있습니다.
그리고 이것은 실패한 실행을 보여줍니다. 이는 AWS 콘솔 Step Functions 개요를 통해 조사해 볼 가치가 있습니다.
다음 스크린샷은 원본 파일의 크기가 0이어서 실패한 실행의 한 예를 보여줍니다. 이는 파일에 콘텐츠가 없어 처리할 수 없기 때문에 의미가 있습니다. 소스 문서로 돌아가 근본 원인을 검증하려면 실패한 프로세스를 필터링하고 실패를 시각화하는 것이 중요합니다.
다른 문서 유형은 Amazon Textract에서 지원되지 않으므로 MIME 유형(application/pdf, image/png, image/jpeg 또는 image/tiff)이 아닌 문서도 실패할 수 있습니다.
비용
1,583,278페이지를 수집하는 데 드는 총 비용은 구현에 사용된 AWS 서비스에 분할되었습니다. 다음 목록은 대략적인 숫자입니다. 실제 비용과 처리 기간은 문서 크기, 문서당 페이지 수, 문서의 정보 밀도 및 AWS 리전에 따라 다르기 때문입니다. 아마존 DynamoDB $0.55, Amazon S3 $3.33, OpenSearch Service $14.71, Step Functions $17.92, AWS Lambda $28.95, Amazon Textract $1,849.97를 소비했습니다. 또한 배포된 Amazon OpenSearch Service 클러스터는 시간 단위로 요금이 청구되며 일정 기간 동안 실행하면 더 높은 비용이 누적된다는 점을 명심하세요.
수정
아마도 구현을 수정하고 사용 사례와 문서에 맞게 사용자 정의하고 싶을 것입니다. 워크샵 기계 학습을 사용하여 대규모로 문서를 자동화하고 처리합니다. 실제 워크플로를 조작하고, 흐름을 변경하고, 새 구성 요소를 추가하는 방법에 대한 좋은 개요를 제공합니다. OpenSearch 색인에 사용자 정의 필드를 추가하려면 메타데이터 설정 워크플로의 작업에서 다음을 사용하여 세트-매니페스트-메타-데이터-개방 검색 OpenSearch 인덱스에 필드로 추가될 컨텍스트에 메타데이터를 추가하는 AWS Lambda 함수입니다. 모든 메타데이터 정보는 인덱스의 일부가 됩니다.
청소
다음 명령을 사용하여 향후 비용이 발생하지 않도록 더 이상 필요하지 않은 경우 예시 리소스를 삭제하세요.
와 같은 환경에서 cdk deploy
명령. 이렇게 하면 OpenSearch 클러스터와 모든 문서, Amazon S3 버킷을 포함한 모든 것이 제거된다는 점에 유의하십시오. 해당 정보를 유지하려면 Amazon S3 버킷을 백업하고 OpenSearch 클러스터에서 인덱스 스냅샷 생성. 많은 파일을 처리한 경우 먼저 AWS Management Console을 사용하여 Amazon S3 버킷을 비워야 할 수 있습니다(즉, 정보를 유지하려면 백업을 수행하거나 다른 버킷에 동기화한 후). 시간 초과가 발생하여 AWS CloudFormation 스택이 파괴될 수 있습니다.
결론
이 게시물에서는 검색 사용 사례에 사용할 준비가 된 OpenSearch 인덱스에 많은 수의 문서를 수집하기 위해 풀 스택 솔루션을 배포하는 방법을 보여주었습니다. 구현의 개별 구성 요소뿐만 아니라 확장 고려 사항, 비용 및 수정 옵션도 논의되었습니다. 모든 코드는 다음과 같이 GitHub에서 OpenSource로 액세스할 수 있습니다. IDP CDK 샘플 등 IDP CDK 구성 처음부터 자신만의 솔루션을 구축할 수 있습니다. 다음 단계에서는 워크플로 수정을 시작하고, 검색 색인의 문서에 정보를 추가하고, IDP 워크숍. 현재 솔루션을 확장하기 위한 귀하의 경험과 아이디어에 대해 아래에 의견을 남겨주세요.
저자에 관하여
마틴 셰이드 Amazon Textract 팀의 선임 ML 제품 SA입니다. 그는 인터넷 관련 기술, 엔지니어링 및 아키텍처 솔루션 분야에서 20년 이상의 경험을 가지고 있습니다. 그는 2014년 AWS에 합류하여 처음에는 AWS 서비스의 가장 효율적이고 확장 가능한 사용에 대해 일부 대규모 AWS 고객을 안내한 후 컴퓨터 비전에 중점을 둔 AI/ML에 집중했습니다. 현재 그는 문서에서 정보를 추출하는 데 집착하고 있습니다.
- 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. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 차트프라임. ChartPrime으로 트레이딩 게임을 향상시키십시오. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- :있다
- :이다
- :아니
- :어디
- $3
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20년
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- 소개
- ACCESS
- 얻기 쉬운
- 액세스
- 에 따르면
- 계정
- 모으다
- 가로질러
- 활동
- 실제
- 더하다
- 추가
- 첨가
- 추가
- 후
- 반대
- 나이
- AI / ML
- All
- 할당
- 수
- 또한
- 아마존
- 아마존 코 그니 토
- 아마존 오픈서치 서비스
- 아마존 텍사스
- Amazon Web Services
- an
- 분석자
- 및
- 어떤
- API를
- 등장하다
- 근접한
- 있군요
- 약
- AS
- At
- 인증
- 자동화
- Automatic
- 자동적으로
- 가능
- 평균
- 피하기
- AWS
- AWS 클라우드 포메이션
- AWS 람다
- AWS 관리 콘솔
- 뒤로
- 백엔드
- 백업
- 기지
- 기반으로
- BE
- 때문에
- 가
- 전에
- 존재
- 이하
- BEST
- 모범 사례
- 더 나은
- 주의
- 블록
- 두
- 빌드
- 단추
- by
- 통화
- CAN
- 기능
- 생산 능력
- 케이스
- 가지 경우
- 원인
- CD
- 이전 단계로 돌아가기
- 변경
- 변화
- 검사
- 선택
- 분류
- 클라우드
- 클러스터
- 암호
- 수집
- 결합
- 본문
- 기업
- 비교
- 나침반
- 경쟁력
- 구성 요소들
- 컴퓨터
- 컴퓨터 비전
- 개념
- 병발 사정
- 구성
- 구성
- 연결
- 고려 사항
- 구성
- 콘솔에서
- 상수
- 구축
- 컨테이너
- 함유량
- 문맥
- 계속
- 계약
- 수정
- 비용
- 비용
- 수
- 결합
- 엄호
- 만들
- 만든
- 생성
- 임계
- Current
- 현재
- 관습
- 고객
- 고객
- 맞춤형
- 사용자 정의
- 계기반
- 대시 보드
- 데이터
- 일
- 거래
- 거부
- 태만
- 밝히다
- 정의
- 보여
- 의존성
- 의존
- 배포
- 배포
- 전개
- 깊이
- 파괴
- 세부설명
- 개발
- 다이얼로그
- 다른
- 디지털
- 디지털 전환
- 발견
- 논의 된
- 표시
- 잠수
- do
- 도커
- 문서
- 서류
- 한
- 물기가없는
- 두
- 지속
- e
- 마다
- 동쪽
- Edge
- 효율적인
- 효율적으로
- 노력
- 종업원
- 능력을 키우다
- 가능
- 엔지니어링
- 거대한
- 높이다
- 풍성한
- 엔터 버튼
- 환경
- 대
- 오류
- 특히
- 확립 된
- 견적
- 조차
- 모두
- 예
- 넘다
- 초과
- 초과
- 실행
- 펼치기
- 경험
- 탐험
- 추출물
- 실패한
- FAST
- 빠른
- 들
- Fields
- 그림
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 필터링
- 최후의
- 금융
- Find
- 끝
- 손끝
- 마무리
- 먼저,
- 첫 번째 단계
- 처음으로
- 흐름
- 초점
- 집중
- 따라
- 다음에
- 수행원
- 럭셔리
- 체재
- 에
- 가득 찬
- 풀 스택
- 충분히
- 기능
- 기능
- 미래
- 일반
- 생성
- 생성
- 점점
- 거대한
- GitHub의
- 주어진
- Go
- 가는
- 좋은
- 그래프
- 안내
- 마구
- 있다
- 데
- he
- 건강
- 도움이
- 높은
- 더 높은
- 고도로
- 시간
- 진료 시간
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 사람의
- 인사부
- i
- 아이디어
- 식별자
- 확인
- 통합 인증
- 식별자
- if
- 영상
- 구현
- 이행
- 구현
- import
- 중대한
- in
- 포함
- 포함
- 증가
- 증가
- 색인
- 색인
- 표시
- 개인
- 정보
- 인프라
- 처음에는
- 시작
- 입력
- 통찰력
- 설치
- 예
- 통합 된
- 지능형
- 지능형 문서 처리
- 으로
- 조사 중
- 호출
- IT
- 합류 한
- 여행
- JPG
- JSON
- 유지
- 키
- 넓은
- 가장 큰
- 성
- 숨어 있음
- 후에
- 배우다
- 배우기
- 도서관
- 처럼
- 아마도
- LINK
- 모래밭
- 명부
- 하중
- 위치
- 로그인
- 로그인
- 긴
- 이상
- 보기
- 찾고
- 봐라.
- 기계
- 기계 학습
- 만든
- 본관
- 유지하다
- 유지 보수
- 확인
- 제작
- 구축
- 수동으로
- .
- 경기
- 최고
- XNUMX월..
- me
- 방법
- 메뉴
- 메시지
- 메시지
- 방법
- 메트릭
- 통계
- 수도
- 신경
- 회의록
- 혼합
- ML
- 현대
- 수정
- 모니터
- 모니터링
- 배우기
- 가장
- 산
- 여러
- name
- 이름
- 탐색
- 필요
- 요구
- 신제품
- 다음 것
- 아니
- 공고
- 알림
- 소설
- 번호
- 숫자
- of
- 제공
- 자주
- 가장 오래된
- on
- 일단
- ONE
- 열 수
- 오픈 소스
- 기회
- 최적화
- 옵션
- or
- 주문
- 조직
- 출발지
- 기타
- 그렇지 않으면
- 아웃
- 출력
- 위에
- 개요
- 자신의
- 페이지
- 페이지
- 평행
- 매개 변수
- 부품
- 패스
- 비밀번호
- 무늬
- 패턴
- 지불
- 용
- 성능
- 기간
- 권한
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 부디
- 포인트 적립
- 전철기
- 풀
- 가능한
- 게시하다
- 사례
- 준비하다
- 전제 조건
- 선물
- 이전에
- 방법
- 처리됨
- 프로세스
- 처리
- 생산
- 프로덕트
- 프로그램 작성
- 제안 된
- 제공
- 출판
- 목적
- 푸시
- 놓다
- 퍼츠
- Python
- 빠른
- 빠르게
- 율
- 준비
- 지방
- 보고서
- 저장소
- 대리인
- 요청
- 필수
- 요구조건 니즈
- 의지
- 제품 자료
- 반응
- 결과
- 결과
- 유지
- 역할
- 뿌리
- 달리기
- 달리는
- SA
- 같은
- 확장성
- 규모
- 스케일링
- 할퀴다
- 완벽하게
- 검색
- 수색
- 섹션
- 참조
- 모색
- 선택
- 연장자
- 감각
- 전송
- 봉사하다
- 서비스
- 서비스
- 세트
- 설정
- 설치
- 영상을
- 표시
- 보여
- 쇼
- 비슷한
- 단순, 간단, 편리
- 크기
- 느리게
- 작은
- 스마트 한
- 스냅 사진
- So
- 해결책
- 솔루션
- 일부
- 출처
- 구체적인
- 속도
- 회전
- 분열
- 스택
- 스타트
- 시작
- 시작 중
- 주 정부
- 미국
- Status
- 침착 한
- 단계
- 단계
- 아직도
- 저장
- 저장
- 저장
- 제출
- 그후
- 성공한
- 이러한
- 지원
- 지원
- 확인
- 시스템은
- 맞춤형
- 받아
- 소요
- 복용
- 태스크
- 작업
- 팀
- 기술
- 템플릿
- 기간
- 조건
- test
- 테스트
- 본문
- 그
- XNUMXD덴탈의
- 그래프
- 정보
- 소스
- 국가
- 그들의
- 그들
- 그때
- 그곳에.
- 따라서
- Bowman의
- 그들
- 이
- 그래도?
- 임계값
- 을 통하여
- 에
- 시간
- 시간이 많이 걸리는
- 에
- 했다
- 금액
- 전통적인
- 변환
- 방아쇠를 당긴
- 지도 시간
- 두
- 유형
- 유형
- 아래에
- 전례가없는
- 까지
- 업로드
- us
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용자
- 사용
- 사용
- 이용하다
- 유효 기간
- 가치
- 버전
- 대단히
- 보기
- 버지니아의
- 시력
- 시각화
- 음량
- 볼륨
- 필요
- 였다
- 방법..
- we
- 웹
- 웹 서비스
- 잘
- 했다
- 뭐
- 언제
- 어느
- 의지
- 과
- 워크플로우
- 워크 플로우
- 일
- 작업장
- 워크숍
- 가치
- 년
- 자신의
- 너의
- 제퍼 넷