오늘 Meta에서 개발한 Llama 2 기초 모델을 통해 고객이 사용할 수 있음을 발표하게 되어 기쁩니다. Amazon SageMaker 점프스타트. 대규모 언어 모델(LLM)의 Llama 2 제품군은 7억에서 70억 매개변수 규모의 사전 훈련되고 미세 조정된 생성 텍스트 모델 모음입니다. Llama-2-chat이라고 하는 미세 조정된 LLM은 대화 사용 사례에 최적화되어 있습니다. 이러한 모델을 쉽게 시험해보고 ML을 빠르게 시작할 수 있도록 알고리즘, 모델 및 ML 솔루션에 대한 액세스를 제공하는 기계 학습(ML) 허브인 SageMaker JumpStart와 함께 사용할 수 있습니다.
이 게시물에서는 SageMaker JumpStart를 통해 Llama 2 모델을 사용하는 방법을 살펴봅니다.
라마 2 란?
Llama 2는 최적화된 변환기 아키텍처를 사용하는 자동 회귀 언어 모델입니다. Llama 2는 영어로 된 상업용 및 연구용입니다. 7억, 13억, 70억 등의 다양한 매개변수 크기와 사전 훈련 및 미세 조정된 변형으로 제공됩니다. Meta에 따르면 조정된 버전은 지도 미세 조정(SFT) 및 인간 피드백을 통한 강화 학습(RLHF)을 사용하여 유용성과 안전성에 대한 인간의 선호도에 맞춥니다. Llama 2는 공개적으로 사용 가능한 소스에서 2조 개의 데이터 토큰으로 사전 훈련되었습니다. 조정된 모델은 비서와 같은 채팅을 위한 반면 사전 훈련된 모델은 다양한 자연어 생성 작업에 맞게 조정할 수 있습니다. 개발자가 사용하는 모델의 버전에 관계없이 Meta의 책임감 있는 사용 가이드 적절한 안전 완화로 모델을 사용자 정의하고 최적화하는 데 필요할 수 있는 추가 미세 조정을 안내하는 데 도움을 줄 수 있습니다.
SageMaker JumpStart란?
SageMaker JumpStart를 통해 ML 실무자는 다양한 오픈 소스 기반 모델 중에서 선택할 수 있습니다. ML 실무자는 기본 모델을 전용으로 배포할 수 있습니다. 아마존 세이지 메이커 네트워크 격리 환경에서 인스턴스를 생성하고 모델 교육 및 배포를 위해 SageMaker를 사용하여 모델을 사용자 지정합니다.
이제 몇 번의 클릭만으로 Llama 2를 검색하고 배포할 수 있습니다. 아마존 세이지 메이커 스튜디오 또는 SageMaker Python SDK를 통해 프로그래밍 방식으로 다음과 같은 SageMaker 기능으로 모델 성능 및 MLOps 컨트롤을 파생할 수 있습니다. Amazon SageMaker 파이프 라인, Amazon SageMaker 디버거, 또는 컨테이너 로그. 이 모델은 AWS 보안 환경과 VPC 제어에 배포되어 데이터 보안을 보장합니다. Llama 2 모델은 현재 Amazon SageMaker Studio에서 사용할 수 있습니다. us-east 1
및 us-west 2
지역.
모델 살펴보기
SageMaker Studio UI 및 SageMaker Python SDK에서 SageMaker JumpStart를 통해 기초 모델에 액세스할 수 있습니다. 이 섹션에서는 SageMaker Studio에서 모델을 검색하는 방법을 살펴봅니다.
SageMaker Studio는 데이터 준비에서 ML 모델 구축, 교육 및 배포에 이르기까지 모든 ML 개발 단계를 수행하기 위해 특별히 제작된 도구에 액세스할 수 있는 단일 웹 기반 시각적 인터페이스를 제공하는 통합 개발 환경(IDE)입니다. SageMaker Studio 시작 및 설정 방법에 대한 자세한 내용은 다음을 참조하십시오. 아마존 세이지 메이커 스튜디오.
SageMaker Studio에 있으면 사전 훈련된 모델, 노트북 및 사전 구축된 솔루션이 포함된 SageMaker JumpStart에 액세스할 수 있습니다. 사전 구축 및 자동화된 솔루션.
SageMaker JumpStart 랜딩 페이지에서 솔루션, 모델, 노트북 및 기타 리소스를 찾아볼 수 있습니다. 에서 두 개의 주력 Llama 2 모델을 찾을 수 있습니다. 재단 모델: 텍스트 생성 회전 목마. Llama 2 모델이 표시되지 않으면 종료하고 다시 시작하여 SageMaker Studio 버전을 업데이트하십시오. 버전 업데이트에 대한 자세한 내용은 다음을 참조하십시오. Studio 앱 종료 및 업데이트.
선택하여 다른 네 가지 모델 변형을 찾을 수도 있습니다. 모든 텍스트 생성 모델 살펴보기 또는 검색 llama
검색 창에
모델 카드를 선택하여 라이선스, 훈련에 사용된 데이터, 사용 방법 등 모델에 대한 세부 정보를 볼 수 있습니다. 두 개의 버튼도 찾을 수 있습니다. 배포 및 노트북 열기, 모델을 사용하는 데 도움이 됩니다.
버튼 중 하나를 선택하면 최종 사용자 라이선스 계약 및 허용되는 사용 정책이 표시되는 팝업이 표시됩니다.
동의하면 모델 사용을 위한 다음 단계로 진행됩니다.
모델 배포
당신이 선택할 때 배포 약관에 동의하면 모델 배포가 시작됩니다. 또는 다음을 선택하여 표시되는 예제 노트북을 통해 배포할 수 있습니다. 노트북 열기. 예제 노트북은 추론을 위해 모델을 배포하고 리소스를 정리하는 방법에 대한 종단 간 지침을 제공합니다.
노트북을 사용하여 배포하려면 다음으로 지정된 적절한 모델을 선택하는 것으로 시작합니다. model_id
. 다음 코드를 사용하여 SageMaker에서 선택한 모델을 배포할 수 있습니다.
이렇게 하면 기본 인스턴스 유형 및 기본 VPC 구성을 포함한 기본 구성으로 SageMaker에 모델이 배포됩니다. 다음에서 기본값이 아닌 값을 지정하여 이러한 구성을 변경할 수 있습니다. JumpStart모델. 배포 후 SageMaker 예측자를 통해 배포된 엔드포인트에 대해 추론을 실행할 수 있습니다.
미세 조정된 채팅 모델(Llama-2-7b-chat, Llama-2-13b-chat, Llama-2-70b-chat)은 사용자와 채팅 도우미 간의 채팅 기록을 수락하고 후속 채팅을 생성합니다. 사전 훈련된 모델(Llama-2-7b, Llama-2-13b, Llama-2-70b)에는 문자열 프롬프트가 필요하며 제공된 프롬프트에서 텍스트 완성을 수행합니다. 다음 코드를 참조하십시오.
기본적으로 accept_eula
거짓으로 설정됩니다. 당신은 설정해야합니다 accept_eula=true
끝점을 성공적으로 호출합니다. 그렇게 함으로써 귀하는 앞서 언급한 사용자 라이선스 계약 및 사용 제한 정책에 동의하게 됩니다. 당신은 또한 수 다운로드 라이센스 계약.
Custom_attributes
EULA를 통과하는 데 사용되는 키/값 쌍입니다. 키와 값은 다음과 같이 구분됩니다. =
쌍은 다음과 같이 구분됩니다. ;
. 사용자가 동일한 키를 두 번 이상 전달하면 마지막 값이 유지되고 스크립트 처리기로 전달됩니다(즉, 이 경우 조건 논리에 사용됨). 예를 들어, accept_eula=false; accept_eula=true
서버로 전달된 다음 accept_eula=true
유지되어 스크립트 핸들러로 전달됩니다.
추론 매개변수는 끝점에서 텍스트 생성 프로세스를 제어합니다. 최대 새 토큰 제어는 모델에서 생성된 출력의 크기를 나타냅니다. 이는 모델의 어휘가 영어 어휘와 동일하지 않고 각 토큰이 영어 단어가 아닐 수 있기 때문에 단어 수와 같지 않음에 유의하십시오. 온도는 출력의 임의성을 제어합니다. 더 높은 온도는 더 창의적이고 환각적인 결과를 낳습니다. 모든 추론 매개변수는 선택 사항입니다.
다음 표에는 SageMaker JumpStart에서 사용할 수 있는 모든 Llama 모델과 model_ids
, 기본 인스턴스 유형 및 이러한 각 모델에 대해 지원되는 최대 총 토큰 수(입력 토큰 수와 생성된 토큰 수의 합계).
모델 이름 | 모델 ID | 최대 총 토큰 | 기본 인스턴스 유형 |
라마-2-7b | 메타 텍스트 생성 라마-2-7b | 4096 | ml.g5.2xlarge |
라마-2-7b-채팅 | 메타-텍스트세대-라마-2-7b-f | 4096 | ml.g5.2xlarge |
라마-2-13b | 메타 텍스트 생성 라마-2-13b | 4096 | ml.g5.12xlarge |
라마-2-13b-채팅 | 메타-텍스트세대-라마-2-13b-f | 4096 | ml.g5.12xlarge |
라마-2-70b | 메타 텍스트 생성 라마-2-70b | 4096 | ml.g5.48xlarge |
라마-2-70b-채팅 | 메타-텍스트세대-라마-2-70b-f | 4096 | ml.g5.48xlarge |
SageMaker 엔드포인트의 제한 시간은 60초입니다. 따라서 모델이 4096개의 토큰을 생성할 수 있더라도 텍스트 생성에 60초 이상이 소요되면 요청이 실패합니다. 7B, 13B 및 70B 모델의 경우 다음을 설정하는 것이 좋습니다. max_new_tokens
총 토큰 수를 1500K 미만으로 유지하면서 각각 1000, 500 및 4보다 크지 않습니다.
Llama-2-70b에 대한 추론 및 예제 프롬프트
모든 텍스트에 대한 텍스트 완성을 위해 Llama 모델을 사용할 수 있습니다. 텍스트 생성을 통해 질문에 답하기, 언어 번역, 감정 분석 등과 같은 다양한 작업을 수행할 수 있습니다. 엔드포인트에 대한 입력 페이로드는 다음 코드와 같습니다.
다음은 몇 가지 샘플 예제 프롬프트와 모델에서 생성된 텍스트입니다. 모든 출력은 추론 매개변수로 생성됩니다. {"max_new_tokens":256, "top_p":0.9, "temperature":0.6}
.
다음 예에서는 모델에 사용할 수 있는 교육 샘플을 제공하는 상황 내 학습과 함께 라마 모델을 사용하는 방법을 보여줍니다. 배포된 모델에 대해서만 추론하고 이 프로세스 중에 모델 가중치는 변경되지 않습니다.
Llama-2-70b-chat에 대한 추론 및 예제 프롬프트
대화 사용 사례에 최적화된 Llama-2-Chat 모델의 경우 채팅 모델 엔드포인트에 대한 입력은 채팅 도우미와 사용자 간의 이전 기록입니다. 지금까지 진행된 대화와 관련하여 상황에 맞는 질문을 할 수 있습니다. 채팅 도우미의 동작을 정의하는 페르소나와 같은 시스템 구성을 제공할 수도 있습니다. 엔드포인트에 대한 입력 페이로드는 다음 코드와 같습니다.
다음은 몇 가지 샘플 예제 프롬프트와 모델에서 생성된 텍스트입니다. 모든 출력은 추론 매개변수로 생성됩니다. {"max_new_tokens": 512, "top_p": 0.9, "temperature": 0.6}
.
다음 예에서 사용자는 파리의 관광지에 대해 어시스턴트와 대화를 나눴습니다. 다음으로 사용자는 채팅 도우미가 추천하는 첫 번째 옵션에 대해 문의합니다.
다음 예에서는 시스템 구성을 설정합니다.
정리
노트북 실행을 완료한 후 프로세스에서 생성한 모든 리소스가 삭제되고 청구가 중지되도록 모든 리소스를 삭제해야 합니다.
결론
이 게시물에서는 SageMaker Studio에서 Llama 2 모델을 시작하는 방법을 설명했습니다. 이를 통해 수십억 개의 매개변수가 포함된 2개의 Llama XNUMX 기초 모델에 액세스할 수 있습니다. 기본 모델은 사전 교육을 받았기 때문에 교육 및 인프라 비용을 낮추고 사용 사례에 맞게 사용자 지정할 수 있습니다. SageMaker JumpStart를 시작하려면 다음 리소스를 방문하십시오.
저자 소개
준원 SageMaker JumpStart의 제품 관리자입니다. 그는 고객이 제너레이티브 AI 애플리케이션을 구축하는 데 도움이 되도록 기반 모델을 쉽게 검색하고 사용할 수 있도록 만드는 데 중점을 둡니다. Amazon에서의 그의 경험에는 모바일 쇼핑 애플리케이션 및 라스트 마일 배송도 포함됩니다.
비벡 마단 박사 Amazon SageMaker JumpStart 팀의 응용 과학자입니다. 그는 일리노이 대학교 어바나 샴페인에서 박사 학위를 받았고 조지아 공대에서 박사후 연구원이었습니다. 그는 기계 학습 및 알고리즘 설계 분야에서 활발한 연구원이며 EMNLP, ICLR, COLT, FOCS 및 SODA 컨퍼런스에 논문을 발표했습니다. 카일 울리히 박사 Amazon SageMaker JumpStart 팀의 응용 과학자입니다. 그의 연구 관심사는 확장 가능한 기계 학습 알고리즘, 컴퓨터 비전, 시계열, 베이지안 비모수 및 가우시안 프로세스를 포함합니다. Duke University에서 박사 학위를 받았으며 NeurIPS, Cell 및 Neuron에 논문을 발표했습니다. Ashish Khetan 박사 Amazon SageMaker JumpStart의 수석 응용 과학자이며 기계 학습 알고리즘 개발을 돕습니다. 그는 University of Illinois Urbana-Champaign에서 박사 학위를 받았습니다. 그는 기계 학습 및 통계적 추론 분야에서 활동적인 연구원이며 NeurIPS, ICML, ICLR, JMLR, ACL 및 EMNLP 컨퍼런스에서 많은 논문을 발표했습니다. 순다르 랑가나단 AWS의 GenAI/Frameworks GTM 전문가 글로벌 책임자입니다. 그는 Amazon EC2, EKS, EFA, AWS Batch 및 Amazon SageMaker와 같은 AWS 서비스에서 대규모 언어 모델, GenAI 및 대규모 ML 워크로드를 위한 GTM 전략 개발에 주력하고 있습니다. 그의 경험에는 NetApp, Micron Technology, Qualcomm 및 Mentor Graphics에서 제품 관리 및 제품 개발의 리더십 역할이 포함됩니다.
- 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.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/llama-2-foundation-models-from-meta-are-now-available-in-amazon-sagemaker-jumpstart/
- :있다
- :이다
- :아니
- :어디
- $UP
- 1
- 10
- 100
- 11
- 13
- 15%
- 17
- 19
- 20
- 30
- 31
- 33
- 360 학위
- 40
- 4k
- 500
- 7
- 70
- 8
- 9
- a
- 할 수 있는
- 소개
- 수락
- 허용
- ACCESS
- 접근성
- 얻기 쉬운
- 에 따르면
- 인정
- 가로질러
- 활동적인
- 더하다
- 첨가
- 추가
- 주소
- 후
- 다시
- 반대
- 협약
- AI
- 연산
- 알고리즘
- 일직선으로하다
- All
- 수
- 따라
- 또한
- 항상
- am
- 아마존
- Amazon EC2
- 아마존 세이지 메이커
- Amazon SageMaker 점프스타트
- 아마존 세이지 메이커 스튜디오
- Amazon Web Services
- 미국 사람
- an
- 분석
- 및
- 인프라
- 알리다
- 다른
- 답변
- 어떤
- 누군가
- 어플리케이션
- 어플리케이션
- 적용된
- 감사
- 적당한
- 호
- 아키텍처
- 있군요
- 미술
- AS
- 지원
- 조수
- At
- 분위기
- 관광 명소
- 자동화
- 가능
- AWS
- 바나나
- 기본
- 전투
- 베이지안
- BE
- 아름다운
- 뷰티
- 되었다
- 때문에
- 가
- 된
- 맥주
- 전에
- 행동
- 베이징
- 믿으세요
- 믿고
- BEST
- 사이에
- 청구
- 억원
- 수십억
- 검정
- 보물상자
- 흩어져
- 아슬 아슬한
- 넓은
- 빌드
- 건물
- 내장
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- 단추
- by
- 라는
- CAN
- 자본
- 자동차
- 카드
- 회전 목마
- 케이스
- 가지 경우
- CAT
- 이전 단계로 돌아가기
- 초콜릿
- 왼쪽 메뉴에서
- 선택
- City
- 고전적인
- 암호
- 수집
- 결합 된
- 결합
- 제공
- 오는
- 상업
- 회사
- 완성
- 컴퓨터
- 컴퓨터 비전
- 회의
- 자신감
- 구성
- 고려
- 상수
- 구조
- 포함하는
- 컨테이너
- 이 포함되어 있습니다
- 함유량
- 문맥
- 계속
- 지속적으로
- 제어
- 컨트롤
- 편리한
- 대화
- 비용
- 국가
- 용기
- 엄호
- 만들
- 만든
- 창조적 인
- 문화적인
- 문화
- 컵
- 고객
- 사용자 정의
- 사용자 정의
- 데이터
- 데이터 보안
- 전용
- 헌신
- 태만
- 밝히다
- 배달
- 배포
- 배포
- 배치
- 전개
- 배치하다
- 디자인
- 설계
- 원하는
- 목적지
- 목적지
- 세부설명
- 개발
- 개발
- 개발자
- 개발
- 개발
- 대화
- 차이
- 다른
- 어려운
- 발견
- 특유의
- do
- 다큐멘터리
- 하기
- 한
- 말라
- 배
- 아래 (down)
- 공작
- 듀크 대학
- ...동안
- e
- 마다
- 이전
- 용이하게
- 쉽게
- 에드워드
- 아인슈타인
- 중
- 이메일
- 가능
- 가능
- end
- 끝으로 종료
- 종점
- 엔지니어링
- 영어
- 즐겨
- 충분히
- 확인
- 환경
- 장비
- 에테르
- 조차
- 이벤트
- 사람
- 예
- 예
- 흥분한
- 경험
- 실험
- 실험
- 급행
- 실패
- 실패한
- 공정한
- 그릇된
- 가족
- 유명한
- 멀리
- 묘기
- 추천
- 특징
- 피드백
- 발
- 를
- 영화
- 최후의
- 최종적으로
- Find
- 먼저,
- 기함
- 흙손
- 흐름
- 집중
- 수행원
- 럭셔리
- 앞으로
- 발견
- Foundation
- 사
- 프랑스
- 프랑스어
- 에
- 충분히
- 추가
- 미래
- 일반
- 생성
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 조지아
- 얻을
- 주기
- 유리
- 글로벌
- Go
- 가는
- 그래픽
- 큰
- 큰
- 획기적인
- 성장
- 지도
- 안내
- 했다
- 처리
- 일이
- 행복한
- 하드
- 노력
- 있다
- 데
- he
- 머리
- 도움
- 도움이
- 도움이
- 여기에서 지금 확인해 보세요.
- hi
- 높은
- 더 높은
- 그의
- 역사적인
- history
- 주택
- 방법
- How To
- HTML
- HTTPS
- 허브
- 사람의
- i
- 초상의
- 생각
- if
- ii
- 일리노이
- 영향
- import
- 중대한
- 인상
- in
- 포함
- 포함
- 포함
- Incorporated
- 정보
- 인프라
- 처음에는
- 입력
- 영감
- 고무
- 예
- 즉시
- 명령
- 통합 된
- 예정된
- 이해
- 인터페이스
- 으로
- 외딴
- IT
- 그
- 여행
- JPG
- 다만
- 유지
- 보관 된
- 키
- 종류
- 알아
- 알려진
- 상륙
- 랜드마크
- 언어
- 넓은
- 대규모
- 가장 큰
- 성
- 늦은
- 시작
- 법규
- Leadership
- 배우다
- 배우고 성장
- 배우기
- 가장 작은
- 적게
- 레벨
- 특허
- 생활
- 빛
- 처럼
- 제한
- 기울기
- 문학
- ll
- 야마
- 논리
- 긴
- 장기
- 찾고
- 봐라.
- 애정
- 사랑
- 절감
- 기계
- 기계 학습
- 만든
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 구축
- 매니저
- .
- 놀라운 일
- 문제
- 최고
- XNUMX월..
- 의미
- 측정
- 미디어
- 매질
- 말하는
- 메시지
- 메타
- 미크론
- 분
- 회의록
- 혼합물
- ML
- MLOps
- 모바일
- 모델
- 모델
- 순간
- 개월
- 배우기
- 가장
- 가장 인기 많은
- 운동
- 영화
- 많은
- 박물관
- 박물관
- 음악
- name
- 자연의
- 필요한
- 필요
- 필요
- 네트워크
- 신제품
- 뉴욕
- 다음 것
- 아니
- 수첩
- 지금
- 번호
- 다수의
- NY
- of
- 제공
- 제공
- 제공
- 기름
- on
- 일단
- ONE
- 만
- 열 수
- 오픈 소스
- 최적화
- 최적화
- 선택권
- or
- 기타
- 기타
- 그렇지 않으면
- 우리의
- 아웃
- 출력
- 위에
- 전체
- 페이지
- 쌍
- 서
- 서류
- 매개 변수
- 매개 변수
- 파리
- 부품
- 패스
- 합격
- 패스
- 과거
- 평화
- 수행
- 성능
- 영구
- 전화
- 사진
- 물리학
- 조각
- 피자
- 플라스틱
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 경기
- 정책
- 팝업
- 인기 문서
- 게시하다
- 우편
- Predictor
- 환경 설정
- 준비
- 제시
- 너무 이른
- 방법
- 프로세스
- 프로덕트
- 방열판 열 관리용
- 제품 관리
- 제품 관리자
- 제안
- 자랑하는
- 제공
- 제공
- 제공
- 제공
- 공개
- 대중 교통
- 공개적으로
- 출판
- 목적
- 놓다
- Python
- 자격
- 문의
- 빠른
- 빨리
- 램프
- 무작위성
- 범위
- 이르기까지
- 준비
- 이유
- 받다
- 조리법
- 권하다
- 추천
- 의미
- 관계없이
- 지역
- 상대적인
- 상대성
- 반복
- 대표
- 의뢰
- 필요
- 연구
- 연구원
- 제품 자료
- 각기
- 응답
- REST
- 결과
- 결과
- 강
- 직위별
- 역할
- 달리기
- 달리는
- s
- 안전
- 현자
- 소금
- 같은
- 확장성
- 규모
- 과학자
- 과학자
- SDK
- 바다
- 검색
- 수색
- 섹션
- 안전해야합니다.
- 보안
- 참조
- 보고
- ~ 같았다
- 선택된
- 선택
- 선택
- 보내다
- 연장자
- 감정
- 연속
- 서비스
- 피복재
- 세트
- 설정
- 셰이프
- 상어
- 쇼핑
- 영상을
- 표시
- 보여
- 쇼
- 종료
- 의미
- 상당한
- 단순, 간단, 편리
- 간단히
- 단일
- 대지
- 사이트
- SIX
- 크기
- 천천히
- 작은
- So
- 지금까지
- 사회적
- 소셜 미디어
- 솔루션
- 일부
- 출처
- 지우면 좋을거같음 . SM
- 특별한
- 전문가
- 지정
- 속도
- 서
- 스타트
- 시작
- 주 정부
- 미국
- 통계적인
- 단계
- 단계
- 정지
- 전략
- 끈
- 구조
- 스튜디오
- 기절시키는
- 제목
- 후속의
- 성공
- 성공적으로
- 이러한
- 지원
- 확인
- 상징
- 체계
- 테이블
- 받아
- 소요
- 작업
- 키
- 팀
- 기술
- Technology
- 일시적인
- 조건
- 보다
- 감사
- 그
- XNUMXD덴탈의
- 수도
- 미래
- 소스
- 세계
- 그들의
- 그들
- 이론
- 그곳에.
- Bowman의
- 그들
- 일
- 생각
- 이
- 그래도?
- 을 통하여
- 호랑이
- 시간
- 시계열
- 시대
- Title
- 에
- 오늘
- 함께
- 토큰
- 토큰
- 검색을
- 상단
- 금액
- 탑
- Train
- 트레이닝
- 변압기
- 번역
- 번역
- 수송
- 일조
- 시도
- 두
- 유형
- 유형
- ui
- 아래에
- 당신의 잊지 못할 추억과
- 유일한
- 대학
- 까지
- 업데이트
- 업데이트
- 쓸 수 있는
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용자
- 사용
- 사용
- 가치
- 마케팅은:
- 종류
- 버전
- 버전
- 대단히
- 를 통해
- 관측
- 보기
- 시력
- 방문
- 방문자
- 음량
- 원
- 전쟁
- 였다
- we
- 웹
- 웹 서비스
- 웹 기반
- 웹 사이트
- 잘
- 고래
- 뭐
- 언제
- 이므로
- 어느
- 동안
- why
- 의지
- 창
- 과
- 워드
- 말
- 작업
- 일
- 세계
- 세계적으로 유명한
- 싸다
- 년
- 요크
- 자신의
- 너의
- 당신 자신
- 제퍼 넷
- 지퍼