In dit bericht laten we zien hoe u een nieuwe op OAuth gebaseerde authenticatiefunctie configureert voor gebruik Sneeuwvlok in Amazon SageMaker-gegevens Wrangler. Snowflake is een clouddataplatform dat dataoplossingen biedt voor datawarehousing tot datawetenschap. Sneeuwvlok is een AWS-partner met meerdere AWS-accreditaties, waaronder AWS-competenties op het gebied van machine learning (ML), retail en data en analyse.
Data Wrangler vereenvoudigt het proces van gegevensvoorbereiding en feature-engineering, waardoor de tijd die het kost van weken tot minuten wordt teruggebracht door een enkele visuele interface te bieden voor datawetenschappers om gegevens te selecteren en op te schonen, functies te creรซren en gegevensvoorbereiding in ML-workflows te automatiseren zonder enige code te schrijven. U kunt gegevens importeren uit meerdere gegevensbronnen, zoals Amazon eenvoudige opslagservice (Amazone S3), Amazone Athene, Amazon roodverschuiving, Amazon EMR, en Sneeuwvlok. Met deze nieuwe functie kunt u uw eigen identiteitsprovider (IdP) gebruiken, zoals Okta, Azure ADof Ping Federatie om verbinding te maken met Snowflake via Data Wrangler.
Overzicht oplossingen
In de volgende secties geven we stappen voor een beheerder om de IdP, Snowflake en Studio in te stellen. We beschrijven ook de stappen die datawetenschappers kunnen nemen om de datastroom te configureren, de datakwaliteit te analyseren en datatransformaties toe te voegen. Ten slotte laten we zien hoe u de gegevensstroom kunt exporteren en een model kunt trainen met behulp van SageMaker-stuurautomaat.
Voorwaarden
Voor deze walkthrough moet u aan de volgende vereisten voldoen:
- Voor beheerder:
- Een Snowflake-gebruiker met machtigingen om opslagintegraties en beveiligingsintegraties in Snowflake te maken.
- Een AWS-account met machtigingen om aan te maken AWS Identiteits- en toegangsbeheer (IAM) beleid en rollen.
- Toegang en machtigingen om IDP te configureren om de Data Wrangler-toepassing te registreren en de autorisatieserver of API in te stellen.
- Voor datawetenschapper:
Beheerder instellen
In plaats van uw gebruikers hun Snowflake-inloggegevens rechtstreeks in Data Wrangler te laten invoeren, kunt u ze een IdP laten gebruiken om toegang te krijgen tot Snowflake.
De volgende stappen zijn nodig om Data Wrangler OAuth-toegang tot Snowflake in te schakelen:
- Configureer de IdP.
- Sneeuwvlok configureren.
- Configureer SageMaker Studio.
Configureer de IdP
Om uw IdP in te stellen, moet u de Data Wrangler-toepassing registreren en uw autorisatieserver of API instellen.
Registreer de Data Wrangler-applicatie binnen de IdP
Raadpleeg de volgende documentatie voor de IdP's die Data Wrangler ondersteunt:
Gebruik de documentatie van uw IdP om uw Data Wrangler-toepassing te registreren. De informatie en procedures in deze sectie helpen u te begrijpen hoe u de documentatie van uw IdP op de juiste manier gebruikt.
Specifieke aanpassingen naast de stappen in de respectieve handleidingen worden genoemd in de subsecties.
- Selecteer de configuratie waarmee het registratieproces van Data Wrangler als toepassing wordt gestart.
- Geef de gebruikers binnen de IdP toegang tot Data Wrangler.
- Schakel OAuth-clientverificatie in door de clientreferenties op te slaan als een Secrets Manager-geheim.
- Geef een omleidings-URL op met de volgende indeling:
https://domain-ID.studio.AWS Region.sagemaker.aws/jupyter/default/lab
.
U geeft de SageMaker-domein-ID en AWS-regio op die u gebruikt om Data Wrangler uit te voeren. U moet een URL registreren voor elk domein en elke regio waar u Data Wrangler uitvoert. Gebruikers van een domein en regio waarvoor geen omleidings-URL's voor hen zijn ingesteld, kunnen zich niet authenticeren bij de IdP om toegang te krijgen tot de Snowflake-verbinding.
- Zorg ervoor dat de machtigingstypen autorisatiecode en vernieuwingstoken zijn toegestaan โโvoor uw Data Wrangler-toepassing.
Stel de autorisatieserver of API in binnen de IdP
Binnen uw IdP moet u een autorisatieserver of een Application Programming Interface (API) opzetten. Voor elke gebruiker stuurt de autorisatieserver of de API tokens naar Data Wrangler met Snowflake als publiek.
Snowflake gebruikt het concept van rollen die verschillen van IAM-rollen die in AWS worden gebruikt. U moet de IdP configureren om ELKE rol te gebruiken om de standaardrol te gebruiken die is gekoppeld aan het Snowflake-account. Als een gebruiker bijvoorbeeld systems administrator
als standaardrol in hun Snowflake-profiel gebruikt de verbinding van Data Wrangler naar Snowflake systems administrator
als de rol.
Gebruik de volgende procedure om de autorisatieserver of API binnen uw IdP in te stellen:
- Begin vanaf uw IdP met het instellen van de server of API.
- Configureer de autorisatieserver voor het gebruik van de autorisatiecode en tokenvernieuwingstypen.
- Geef de levensduur van het toegangstoken op.
- Stel de inactieve time-out voor het vernieuwingstoken in.
De time-out voor inactiviteit is de tijd dat het vernieuwingstoken verloopt als het niet wordt gebruikt. Als u taken plant in Data Wrangler, raden we u aan de time-outtijd voor inactiviteit groter te maken dan de frequentie van de verwerkingstaak. Anders kunnen sommige verwerkingstaken mislukken omdat het vernieuwingstoken is verlopen voordat ze konden worden uitgevoerd. Wanneer het vernieuwingstoken verloopt, moet de gebruiker zich opnieuw verifiรซren door toegang te krijgen tot de verbinding die ze met Snowflake hebben gemaakt via Data Wrangler.
Houd er rekening mee dat Data Wrangler geen roterende vernieuwingstokens ondersteunt. Het gebruik van roterende vernieuwingstokens kan ertoe leiden dat de toegang mislukt of dat gebruikers zich regelmatig moeten aanmelden.
Als het vernieuwingstoken verloopt, moeten uw gebruikers zich opnieuw verifiรซren door toegang te krijgen tot de verbinding die ze met Snowflake hebben gemaakt via Data Wrangler.
- Specificeren
session:role-any
als het nieuwe bereik.
Voor Azure AD moet u ook een unieke id voor het bereik opgeven.
Nadat je de OAuth-provider hebt ingesteld, geef je Data Wrangler de informatie die nodig is om verbinding te maken met de provider. U kunt de documentatie van uw IdP gebruiken om waarden op te halen voor de volgende velden:
- Token-URL โ De URL van het token dat de IdP naar Data Wrangler stuurt
- Autorisatie-URL โ De URL van de autorisatieserver van de IdP
- klant-ID โ De ID van de IdP
- Cliรซntgeheim โ Het geheim dat alleen de autorisatieserver of API herkent
- OAuth-bereik โ Dit is alleen voor Azure AD
Sneeuwvlok configureren
Volg de instructies in om Snowflake te configureren Importeer gegevens uit Snowflake.
Gebruik de Snowflake-documentatie voor uw IdP om een โโexterne OAuth-integratie in Snowflake op te zetten. Zie het vorige gedeelte Registreer de Data Wrangler-applicatie binnen de IdP voor meer informatie over het opzetten van een externe OAuth-integratie.
Zorg ervoor dat u deze activeert wanneer u de beveiligingsintegratie in Snowflake instelt external_oauth_any_role_mode
.
Configureer SageMaker Studio
U slaat de velden en waarden op in een Secrets Manager-geheim en voegt dit toe aan de Studio Lifecycle Configuration die u gebruikt voor Data Wrangler. Een levenscyclusconfiguratie is een shellscript dat automatisch de inloggegevens laadt die in het geheim zijn opgeslagen wanneer de gebruiker zich aanmeldt bij Studio. Zie voor informatie over het maken van geheimen Verplaats hardgecodeerde geheimen naar AWS Secrets Manager. Zie voor informatie over het gebruik van levenscyclusconfiguraties in Studio Gebruik levenscyclusconfiguraties met Amazon SageMaker Studio.
Maak een geheim voor Snowflake-referenties
Voer de volgende stappen uit om uw geheim voor Snowflake-referenties te maken:
- Kies op de Secrets Manager-console Bewaar een nieuw geheim.
- Voor Geheim typeselecteer Ander soort geheim.
- Geef de details van uw geheim op als sleutel-waardeparen.
Sleutelnamen vereisen kleine letters vanwege hoofdlettergevoeligheid. Data Wrangler geeft een waarschuwing als u een van deze onjuist invoert. Voer de geheime waarden in als sleutel-waardeparen Sleutel/waarde als u dat wilt, of gebruik de Platte tekst optie.
Het volgende is het formaat van het geheim dat voor Okta wordt gebruikt. Als u Azure AD gebruikt, moet u de datasource_oauth_scope
veld.
- Werk de voorgaande waarden bij met de door u gekozen IdP en informatie die is verzameld na registratie van de toepassing.
- Kies Volgende.
- Voor Geheime naam, voeg het voorvoegsel toe
AmazonSageMaker
(ons geheim is bijvoorbeeld:AmazonSageMaker-DataWranglerSnowflakeCreds
). - In het Tags sectie, voeg een tag toe met de sleutel
SageMaker
en waardetrue
. - Kies Volgende.
- De rest van de velden zijn optioneel; Kiezen Volgende totdat je de mogelijkheid hebt om te kiezen Shop om het geheim op te slaan.
Nadat je het geheim hebt opgeslagen, keer je terug naar de Secrets Manager-console.
- Kies het geheim dat je zojuist hebt gemaakt en haal het geheime ARN op.
- Bewaar dit in uw favoriete teksteditor voor later gebruik wanneer u de Data Wrangler-gegevensbron maakt.
Maak een Studio Lifecycle-configuratie
Voer de volgende stappen uit om een โโlevenscyclusconfiguratie in Studio te maken:
- Kies op de SageMaker-console Levenscyclusconfiguraties in het navigatievenster.
- Kies Maak een configuratie.
- Kies Jupyter-server-app.
- Maak een nieuwe levenscyclusconfiguratie of voeg een bestaande toe met de volgende inhoud:
De configuratie maakt een bestand aan met de naam ".snowflake_identity_provider_oauth_config"
, met daarin het geheim in de basismap van de gebruiker.
- Kies Configuratie maken.
Stel de standaard levenscyclusconfiguratie in
Voer de volgende stappen uit om de zojuist gemaakte levenscyclusconfiguratie als standaard in te stellen:
- Kies op de SageMaker-console domeinen in het navigatievenster.
- Kies het Studio-domein dat u voor dit voorbeeld gaat gebruiken.
- Op de Milieu tab, in de Levenscyclusconfiguraties voor persoonlijke Studio-apps sectie, kies hechten.
- Voor bronselecteer Bestaande configuratie.
- Selecteer de configuratie die u zojuist hebt gemaakt en kies vervolgens Aan domein koppelen.
- Selecteer de nieuwe configuratie en kies Instellen als standaard, kies dan Instellen als standaard opnieuw in het pop-upbericht.
Uw nieuwe instellingen zouden nu zichtbaar moeten zijn onder Levenscyclusconfiguraties voor persoonlijke Studio-apps als standaard.
- Sluit de Studio-app af en start opnieuw om de wijzigingen door te voeren.
Ervaring met datawetenschappers
In dit gedeelte bespreken we hoe datawetenschappers verbinding kunnen maken met Snowflake als gegevensbron in Data Wrangler en gegevens kunnen voorbereiden voor ML.
Een nieuwe gegevensstroom maken
Voer de volgende stappen uit om uw gegevensstroom te maken:
- Kies op de SageMaker-console Amazon SageMaker Studio in het navigatievenster.
- Kies Studio openen.
- Op de Studio Home pagina, kies Gegevens visueel importeren en voorbereiden. Alternatief op de Dien in drop-down, kies New, kies dan SageMaker Data Wrangler-stroom.
Het maken van een nieuwe stroom kan enkele minuten duren.
- Op de Datums importeren pagina, kies Verbinding maken.
- Kies Sneeuwvlok uit de lijst met gegevensbronnen.
- Voor Verificatiemethode, kiezen OAuth.
Als u OAuth niet ziet, controleert u de voorgaande stappen voor levenscyclusconfiguratie.
- Voer gegevens in voor Snowflake-accountnaam en Opslag integratie.
- Voer een verbindingsnaam in en kies Verbinden.
U wordt omgeleid naar een IdP-authenticatiepagina. Voor dit voorbeeld gebruiken we Okta.
- Voer uw gebruikersnaam en wachtwoord in en maak uw keuze Inloggen.
Nadat de authenticatie is gelukt, wordt u omgeleid naar de Studio-gegevensstroompagina.
- Op de Importeer gegevens uit Snowflake pagina, blader door de database-objecten of voer een query uit voor de beoogde gegevens.
- Voer in de query-editor een query in en bekijk een voorbeeld van de resultaten.
In het volgende voorbeeld laden we Leengegevens en haal alle kolommen op uit 5,000 rijen.
- Kies import.
- Voer een datasetnaam in (voor dit bericht gebruiken we
snowflake_loan_dataset
) en kies Toevoegen.
U wordt doorgestuurd naar de Voorbereiden pagina, waar u transformaties en analyses aan de gegevens kunt toevoegen.
Data Wrangler maakt het gemakkelijk om gegevens op te nemen en gegevensvoorbereidingstaken uit te voeren, zoals verkennende gegevensanalyse, functieselectie en functie-engineering. We hebben slechts enkele van de mogelijkheden van Data Wrangler behandeld in dit bericht over gegevensvoorbereiding; u kunt Data Wrangler gebruiken voor meer geavanceerde gegevensanalyse, zoals het belang van functies, het lekken van doelen en de uitlegbaarheid van modellen met behulp van een eenvoudige en intuรฏtieve gebruikersinterface.
Analyseer de datakwaliteit
Gebruik de Rapport Gegevenskwaliteit en inzichten om een โโanalyse uit te voeren van de gegevens die u in Data Wrangler hebt geรฏmporteerd. Data Wrangler maakt het rapport op basis van de verzamelde gegevens.
- Kies op de Data Wrangler-stroompagina het plusteken naast Datatypen, kies dan Gegevensinzichten verkrijgen.
- Kies Rapport over gegevenskwaliteit en inzichten For Type analyse.
- Voor Doelkolom, kies uw doelkolom.
- Voor Type probleemselecteer Classificatie.
- Kies creรซren.
Het Insights-rapport bevat een korte samenvatting van de gegevens, waaronder algemene informatie zoals ontbrekende waarden, ongeldige waarden, functietypen, uitschieters en meer. U kunt het rapport downloaden of online bekijken.
Transformaties toevoegen aan de gegevens
Data Wrangler heeft meer dan 300 ingebouwde transformaties. In deze sectie gebruiken we enkele van deze transformaties om de gegevensset voor te bereiden op een ML-model.
- Kies op de Data Wrangler-stroompagina het plusteken en kies vervolgens Voeg transformatie toe.
Als u de stappen in het bericht volgt, wordt u hier automatisch naartoe geleid na het toevoegen van uw dataset.
- Controleer en wijzig het gegevenstype van de kolommen.
Als we door de kolommen kijken, identificeren we dat MNTHS_SINCE_LAST_DELINQ
en MNTHS_SINCE_LAST_RECORD
moet hoogstwaarschijnlijk worden weergegeven als een getaltype in plaats van een tekenreeks.
- Nadat u de wijzigingen hebt aangebracht en de stap hebt toegevoegd, kunt u controleren of het gegevenstype van de kolom is gewijzigd in zwevend.
Als we door de gegevens kijken, kunnen we zien dat de velden EMP_TITLE
, URL
, DESCRIPTION
en TITLE
zullen waarschijnlijk geen waarde toevoegen aan ons model in onze use case, dus we kunnen ze laten vallen.
- Kies Stap toevoegen, kies dan Beheer kolommen.
- Voor Transformeren, kiezen Kolom laten vallen.
- Voor Kolom om neer te zetten, specificeer
EMP_TITLE
,URL
,DESCRIPTION
enTITLE
. - Kies Voorbeschouwing en Toevoegen.
Vervolgens willen we zoeken naar categorische gegevens in onze dataset. Data Wrangler heeft een ingebouwde functionaliteit om categorische gegevens te coderen met zowel ordinale als one-hot-coderingen. Als we naar onze dataset kijken, kunnen we zien dat de TERM
, HOME_OWNERSHIP
en PURPOSE
kolommen lijken allemaal categorisch van aard te zijn.
- Voeg nog een stap toe en kies Codeer categorisch.
- Voor Transformeren, kiezen One-hot coderen.
- Voor Invoerkolom, kiezen
TERM
. - Voor Uitvoerstijl, kiezen columns.
- Laat alle andere instellingen als standaard staan โโen kies vervolgens Voorbeschouwing en Toevoegen.
De HOME_OWNERSHIP
kolom heeft vier mogelijke waarden: RENT
, MORTGAGE
, OWN
, en andere.
- Herhaal de voorgaande stappen om een โโone-hot-coderingsbenadering op deze waarden toe te passen.
Ten slotte, de PURPOSE
kolom heeft verschillende mogelijke waarden. Voor deze gegevens gebruiken we ook een one-hot coderingsbenadering, maar we stellen de uitvoer in op een vector in plaats van op kolommen.
- Voor Transformeren, kiezen One-hot coderen.
- Voor Invoerkolom, kiezen
PURPOSE
. - Voor Uitvoerstijl, kiezen vector.
- Voor Uitvoerkolom, we noemen deze kolom
PURPOSE_VCTR
.
Hierdoor blijft het origineel PURPOSE
kolom, als we besluiten deze later te gebruiken.
- Laat alle andere instellingen als standaard staan โโen kies vervolgens Voorbeschouwing en Toevoegen.
De gegevensstroom exporteren
Ten slotte exporteren we deze hele gegevensstroom naar een feature store met een SageMaker Processing-taak, die een Jupyter-notebook maakt met de code vooraf ingevuld.
- Kies op de gegevensstroompagina het plusteken en Exporteren naar.
- Kies waar u wilt exporteren. Voor onze use case kiezen we SageMaker-functiewinkel.
Het geรซxporteerde notitieblok is nu klaar om te worden uitgevoerd.
Exporteer gegevens en train een model met Autopilot
Nu kunnen we het model trainen met behulp van Amazon SageMaker-stuurautomaat.
- Kies op de gegevensstroompagina de Trainingen Tab.
- Voor Amazon S3-locatie, voer een locatie in waar de gegevens moeten worden opgeslagen.
- Kies Exporteren en trainen.
- Geef de instellingen op in het Doel en functies, Trainingsmethode, Implementatie en geavanceerde instellingen en Bekijk en creรซer secties.
- Kies Experiment maken om het beste model voor uw probleem te vinden.
Opruimen
Als uw werk met Data Wrangler voltooid is, sluit uw Data Wrangler-instantie af om extra kosten te voorkomen.
Conclusie
In dit bericht hebben we het verbinden gedemonstreerd Data Wrangler naar Snowflake met behulp van OAuth, het transformeren en analyseren van een dataset en het uiteindelijk exporteren naar de datastroom zodat deze kan worden gebruikt in een Jupyter-notebook. We hebben met name een pijplijn gemaakt voor gegevensvoorbereiding zonder enige code te hoeven schrijven.
Om aan de slag te gaan met Data Wrangler, zie Bereid ML-gegevens voor met Amazon SageMaker Data Wrangler.
Over de auteurs
Ajjay Govindaram is Senior Solutions Architect bij AWS. Hij werkt met strategische klanten die AI/ML gebruiken om complexe bedrijfsproblemen op te lossen. Zijn ervaring ligt in het geven van technische leiding en ontwerpondersteuning voor bescheiden tot grootschalige implementaties van AI/ML-applicaties. Zijn kennis reikt van applicatie-architectuur tot big data, analytics en machine learning. Hij luistert graag naar muziek terwijl hij rust, het buitenleven ervaart en tijd doorbrengt met zijn dierbaren.
Bosco Albuquerque is Sr. Partner Solutions Architect bij AWS en heeft meer dan 20 jaar ervaring in het werken met database- en analyseproducten van leveranciers van bedrijfsdatabases en cloudproviders. Hij heeft grote technologiebedrijven geholpen bij het ontwerpen van data-analyseoplossingen en heeft technische teams geleid bij het ontwerpen en implementeren van data-analyseplatforms en dataproducten.
Matt Marzillo is een Sr. Partner Sales Engineer bij Snowflake. Hij heeft 10 jaar ervaring in data science en machine learning-rollen, zowel in consulting als bij brancheorganisaties. Matt heeft ervaring met het ontwikkelen en implementeren van AI- en ML-modellen in veel verschillende organisaties op gebieden zoals marketing, verkoop, operations, klinisch en financieel, en adviseert ook in adviserende rollen.
Huong Nguyen is een productleider voor Amazon SageMaker Data Wrangler bij AWS. Ze heeft 15 jaar ervaring met het creรซren van klantgeobsedeerde en datagestuurde producten voor zowel zakelijke als consumentenruimtes. In haar vrije tijd houdt ze van luisterboeken, tuinieren, wandelen en tijd doorbrengen met haar familie en vrienden.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
- Bron: https://aws.amazon.com/blogs/machine-learning/access-snowflake-data-using-oauth-based-authentication-in-amazon-sagemaker-data-wrangler/
- :is
- $UP
- 000
- 10
- 100
- 15 jaar
- 20 jaar
- 7
- 8
- 9
- a
- in staat
- Over
- toegang
- Toegang tot gegevens
- toegang
- Account
- over
- Ad
- toevoeging
- Extra
- beheerder
- bevorderen
- vergevorderd
- adviseren
- Na
- AI
- AI / ML
- Alles
- Amazone
- Amazon Sage Maker
- Amazon SageMaker-gegevens Wrangler
- analyses
- analyse
- analytics
- analyseren
- het analyseren van
- en
- Nog een
- api
- gebruiken
- verschijnen
- Aanvraag
- Solliciteer
- Het toepassen van
- nadering
- apps
- architectuur
- ZIJN
- gebieden
- AS
- Hulp
- geassocieerd
- At
- hechten
- gehoor
- audio
- waarmerken
- authenticatie
- machtiging
- automatiseren
- webmaster.
- AWS
- Azuur
- BE
- omdat
- vaardigheden
- beginnen
- BEST
- Groot
- Big data
- lichaam
- Boeken
- ingebouwd
- bedrijfsdeskundigen
- by
- Bellen
- Dit betekent dat we onszelf en onze geliefden praktisch vergiftigen.
- CAN
- mogelijkheden
- geval
- KAT
- Wijzigingen
- keuze
- Kies
- klant
- Klinisch
- Cloud
- code
- Kolom
- columns
- Bedrijven
- compleet
- complex
- concept
- Configuratie
- Verbinden
- Wij verbinden
- versterken
- troosten
- consulting
- consument
- content
- kon
- deksel
- bedekt
- en je merk te creรซren
- aangemaakt
- creรซert
- Wij creรซren
- Geloofsbrieven
- Klanten
- gegevens
- gegevensanalyse
- gegevens Analytics
- Gegevensplatform
- Data voorbereiding
- data science
- data scientist
- Gegevensgestuurde
- Database
- beslissen
- Standaard
- gedemonstreerd
- het inzetten
- implementaties
- Design
- ontwerpen
- detail
- gegevens
- het ontwikkelen van
- anders
- richting
- direct
- onderscheiden
- documentatie
- Nee
- domein
- Dont
- beneden
- Download
- Val
- elk
- editor
- effect
- beide
- in staat stellen
- ingenieur
- Engineering
- Enter
- Enterprise
- Milieu
- voorbeeld
- bestaand
- ervaring
- het ervaren van
- Verkennende gegevensanalyse
- exporteren
- extern
- FAIL
- familie
- Kenmerk
- Voordelen
- vergoedingen
- weinig
- veld-
- Velden
- Dien in
- Tot slot
- financiรซn
- VIND DE PLEK DIE PERFECT VOOR JOU IS
- Vlotter
- stroom
- volgend
- Voor
- formaat
- Frequentie
- vaak
- vrienden
- oppompen van
- functionaliteit
- Algemeen
- krijgen
- geeft
- toe te kennen
- meer
- Guides
- Hebben
- met
- hulp
- geholpen
- hier
- Home
- Hoe
- How To
- HTML
- http
- HTTPS
- ID
- identificatie
- identificeren
- Identiteit
- Idle
- uitvoering
- importeren
- belang
- in
- omvat
- Inclusief
- onjuist
- -industrie
- informatie
- invoer
- inzicht
- inzichten
- instructies
- integratie
- integraties
- Interface
- intuรฏtief
- betrokken zijn
- IT
- Jobomschrijving:
- Vacatures
- jpg
- sleutel
- kennis
- Groot
- grootschalig
- leider
- leren
- LED
- ligt
- levenscyclus van uw product
- levensduur
- als
- Waarschijnlijk
- Lijst
- Het luisteren
- laden
- ladingen
- plaats
- Kijk
- op zoek
- hield
- machine
- machine learning
- gemaakt
- maken
- MERKEN
- maken
- manager
- veel
- Marketing
- Bericht
- macht
- minuten
- vermist
- ML
- model
- modellen
- wijzigen
- meer
- meest
- meervoudig
- Muziek
- naam
- namen
- NATUUR
- Navigatie
- Noodzaak
- nodig
- behoeften
- New
- volgende
- in het bijzonder
- notitieboekje
- aantal
- OAuth
- objecten
- of
- OCTA
- on
- EEN
- online.
- Operations
- Keuze
- organisaties
- origineel
- Overige
- anders-
- buiten
- uitgang
- het te bezitten.
- pagina
- paren
- brood
- partner
- Wachtwoord
- Uitvoeren
- permissies
- persoonlijk
- pijpleiding
- platform
- platforms
- Plato
- Plato gegevensintelligentie
- PlatoData
- plus
- beleidsmaatregelen door te lezen.
- pop-up
- mogelijk
- Post
- bij voorkeur
- Voorbereiden
- vereisten
- Voorbeschouwing
- vorig
- probleem
- problemen
- procedures
- verwerking
- Product
- Producten
- Profiel
- Programming
- naar behoren
- zorgen voor
- mits
- leverancier
- providers
- biedt
- het verstrekken van
- kwaliteit
- liever
- klaar
- adviseren
- redirect
- vermindering
- regio
- registreren
- registreren
- Registratie
- herlancering
- verslag
- vertegenwoordigd
- vereisen
- degenen
- REST
- resultaat
- Resultaten
- <HR>Retail
- Rol
- rollen
- lopen
- lopend
- sagemaker
- verkoop
- scheduling
- Wetenschap
- Wetenschapper
- wetenschappers
- omvang
- Geheim
- sectie
- secties
- veiligheid
- selectie
- senior
- Gevoeligheid
- reeks
- het instellen van
- settings
- verscheidene
- Shell
- moet
- tonen
- teken
- Eenvoudig
- single
- So
- Oplossingen
- OPLOSSEN
- sommige
- bron
- bronnen
- ruimten
- Uitgaven
- gestart
- starts
- Stap voor
- Stappen
- mediaopslag
- shop
- opgeslagen
- bewaartemperatuur
- strategisch
- Draad
- studio
- geslaagd
- dergelijk
- OVERZICHT
- ondersteuning
- steunen
- TAG
- Nemen
- neemt
- doelwit
- doelgerichte
- taken
- teams
- Technisch
- Technologie
- technologiebedrijven
- dat
- De
- de informatie
- hun
- Ze
- Deze
- Door
- niet de tijd of
- naar
- teken
- tokens
- Trainen
- Transformeren
- transformaties
- transformeren
- types
- voor
- begrijpen
- unieke
- bijwerken
- URL
- .
- use case
- Gebruiker
- User Interface
- gebruikers
- waarde
- Values
- vendors
- controleren
- via
- Bekijk
- zichtbaar
- walkthrough
- waarschuwing
- weken
- GOED
- welke
- en
- WIE
- geheel
- wil
- Met
- binnen
- zonder
- Mijn werk
- workflows
- werkzaam
- Bedrijven
- schrijven
- het schrijven van
- jaar
- You
- Your
- zephyrnet