“Gegevens die zijn opgesloten in tekst, audio, sociale media en andere ongestructureerde bronnen kunnen een concurrentievoordeel zijn voor bedrijven die weten hoe ze deze moeten gebruiken.”
Slechts 18% van de organisaties in a Onderzoek 2019 door Deloitte meldden dat ze voordeel konden halen uit ongestructureerde gegevens. Het merendeel van de gegevens, tussen 80% en 90%, bestaat uit ongestructureerde gegevens. Dat is een grote onaangeboorde hulpbron die het potentieel heeft om bedrijven een concurrentievoordeel te geven als ze weten hoe ze deze kunnen gebruiken. Het kan moeilijk zijn om inzichten uit deze gegevens te halen, vooral als er inspanningen nodig zijn om deze te classificeren, taggen of labelen. Amazon begrijpt het aangepaste classificatie kan in deze situatie nuttig zijn. Amazon begrijpt het is een dienst voor natuurlijke taalverwerking (NLP) die machine learning gebruikt om waardevolle inzichten en verbanden in tekst bloot te leggen.
Het categoriseren of classificeren van documenten heeft aanzienlijke voordelen in alle bedrijfsdomeinen:
- Verbeterd zoeken en ophalen – Door documenten in relevante onderwerpen of categorieën te categoriseren, wordt het voor gebruikers veel gemakkelijker om de documenten te zoeken en op te halen die ze nodig hebben. Ze kunnen binnen specifieke categorieën zoeken om de resultaten te verfijnen.
- Kennismanagement – Het op een systematische manier categoriseren van documenten helpt bij het organiseren van de kennisbasis van een organisatie. Het maakt het gemakkelijker om relevante informatie te vinden en verbanden te zien tussen gerelateerde inhoud.
- Gestroomlijnde workflows – Automatische documentsortering kan helpen bij het stroomlijnen van veel bedrijfsprocessen, zoals het verwerken van facturen, klantenondersteuning of naleving van regelgeving. Documenten kunnen automatisch naar de juiste mensen of workflows worden gerouteerd.
- Besparing op kosten en tijd – Handmatige documentcategorisering is vervelend, tijdrovend en duur. AI-technieken kunnen deze alledaagse taak overnemen en duizenden documenten in korte tijd en tegen veel lagere kosten categoriseren.
- Inzicht genereren – Het analyseren van trends in documentcategorieën kan nuttige zakelijke inzichten opleveren. Een toename van het aantal klachten van klanten in een productcategorie kan bijvoorbeeld duiden op een aantal problemen die moeten worden aangepakt.
- Bestuur en beleidshandhaving – Door regels voor documentcategorisering in te stellen, kunt u ervoor zorgen dat documenten correct worden geclassificeerd volgens het beleid en de bestuursnormen van de organisatie. Dit maakt een betere monitoring en audit mogelijk.
- Gepersonaliseerde ervaringen – In contexten zoals website-inhoud zorgt documentcategorisatie ervoor dat op maat gemaakte inhoud aan gebruikers wordt getoond op basis van hun interesses en voorkeuren, zoals bepaald op basis van hun surfgedrag. Dit kan de betrokkenheid van gebruikers vergroten.
De complexiteit van het ontwikkelen van een op maat gemaakt machinaal leermodel voor classificatie varieert afhankelijk van een aantal aspecten, zoals datakwaliteit, algoritme, schaalbaarheid en domeinkennis, om er maar een paar te noemen. Het is essentieel om te beginnen met een duidelijke probleemdefinitie, schone en relevante gegevens, en geleidelijk de verschillende fasen van modelontwikkeling te doorlopen. Bedrijven kunnen echter hun eigen unieke machine learning-modellen creëren met behulp van de aangepaste classificatie van Amazon Comprehend om tekstdocumenten automatisch in categorieën of tags te classificeren, om aan bedrijfsspecifieke vereisten te voldoen en toe te wijzen aan bedrijfstechnologie en documentcategorieën. Omdat het taggen of categoriseren van mensen niet langer nodig is, kan dit bedrijven veel tijd, geld en arbeid besparen. We hebben dit proces eenvoudig gemaakt door de hele trainingspijplijn te automatiseren.
In het eerste deel van deze blogpost met meerdere series leert u hoe u een schaalbare trainingspijplijn kunt creëren en trainingsgegevens kunt voorbereiden voor Comprehend Custom Classification-modellen. We introduceren een aangepaste trainingspijplijn voor classificatie die met een paar klikken in uw AWS-account kan worden geïmplementeerd. We gebruiken de BBC-nieuwsdataset en zullen een classifier trainen om de klasse (bijvoorbeeld politiek, sport) te identificeren waartoe een document behoort. Dankzij de pijplijn kan uw organisatie snel reageren op veranderingen en nieuwe modellen trainen, zonder telkens opnieuw te moeten beginnen. U kunt eenvoudig meerdere modellen opschalen en trainen op basis van uw vraag.
Voorwaarden
- Een actief AWS-account (klik hier om een nieuw AWS-account aan te maken)
- Toegang tot Amazon Comprehend, Amazon S3, Amazon Lambda, Amazon Step Function, Amazon SNS en Amazon CloudFormation
- Trainingsgegevens (semi-structuur of tekst) opgesteld in de volgende sectie
- Basiskennis over Python en Machine Learning in het algemeen
Bereid trainingsgegevens voor
Deze oplossing kan als beide invoer gebruiken tekstformaat (bijv. CSV) of semi-gestructureerd formaat (bijv. PDF).
Tekst invoer
Amazon begrijpt het aangepaste classificatie ondersteunt twee modi: meerdere klassen en meerdere labels.
In de modus met meerdere klassen kan aan elk document slechts één klasse worden toegewezen. De trainingsgegevens moeten worden voorbereid als een CSV-bestand met twee kolommen, waarbij elke regel van het bestand één klasse bevat en de tekst van een document dat de klasse demonstreert.
Voorbeeld voor BBC-nieuwsdataset:
In de modus met meerdere labels wordt aan elk document ten minste één klasse toegewezen, maar er kunnen er meer zijn. Trainingsgegevens moeten de vorm hebben van een CSV-bestand met twee kolommen, waarbij elke regel van het bestand een of meer klassen en de tekst van het trainingsdocument bevat. Er moet meer dan één klasse worden aangegeven door een scheidingsteken tussen elke klasse te gebruiken.
Voor geen van beide trainingsmodi mag er een header in het CSV-bestand worden opgenomen.
Semi-gestructureerde invoer
Beginnend met 2023, Amazon begrijpt het ondersteunt nu trainingsmodellen met behulp van semi-gestructureerde documenten. De trainingsgegevens voor semi-gestructureerde invoer bestaan uit een set gelabelde documenten. Dit kunnen vooraf geïdentificeerde documenten zijn uit een documentopslagplaats waartoe u al toegang hebt. Het volgende is een voorbeeld van een annotatiebestand CSV-gegevens die vereist zijn voor training (Voorbeeldgegevens):
Het annotaties-CSV-bestand bevat drie kolommen: de eerste kolom bevat het label voor het document, de tweede kolom is de documentnaam (dat wil zeggen de bestandsnaam) en de laatste kolom is het paginanummer van het document dat u wilt opnemen in de trainingsgegevensset. Als het CSV-annotatiebestand zich in dezelfde map bevindt als alle andere documenten, hoeft u in de meeste gevallen alleen de documentnaam in de tweede kolom op te geven. Als het CSV-bestand zich echter op een andere locatie bevindt, moet u het pad naar de locatie in de tweede kolom opgeven, zoals path/to/prefix/document1.pdf
.
Voor meer informatie over hoe u uw trainingsgegevens kunt voorbereiden, raadpleegt u hier.
Overzicht oplossingen
- Amazon begrijpt het De trainingspijplijn start wanneer trainingsgegevens (.csv-bestand voor tekstinvoer en annotatie.csv-bestand voor semi-structuurinvoer) worden geüpload naar een speciale Amazon Simple Storage Service (Amazon S3) emmer.
- An AWS Lambda functie wordt aangeroepen door Amazon S3 trigger zodanig dat elke keer dat een object wordt geüpload, wordt opgegeven Amazon S3 locatie haalt de AWS Lambda-functie de naam van de bronbucket en de sleutelnaam van het geüploade object op en geeft deze door aan de training stap functie workflow.
- In de trainingsstapfunctie wordt, na ontvangst van de trainingsgegevensbucketnaam en de objectsleutelnaam als invoerparameters, een aangepaste modeltrainingworkflow gestart als een reeks lambdasfuncties zoals beschreven:
StartComprehendTraining
: Deze AWS Lambda-functie definieert aComprehendClassifier
object afhankelijk van het type invoerbestanden (dwz tekst of semi-gestructureerd) en start vervolgens een Amazon begrijpt het aangepaste classificatietrainingstaak door te bellen maak_document_classifier Application Programming Interfact (API), die een trainingstaak Amazon Resource Names (ARN) retourneert. Vervolgens controleert deze functie de status van de trainingstaak door deze aan te roepen beschrijf_document_classifier API. Ten slotte retourneert het een trainingstaak ARN en taakstatus, als uitvoer naar de volgende fase van de trainingsworkflow.GetTrainingJobStatus
: Deze AWS Lambda controleert elke 15 minuten de taakstatus van de trainingstaak door te bellen beschrijf_document_classifier API, totdat de status van de trainingstaak verandert in Voltooid of Mislukt.GenerateMultiClass
orGenerateMultiLabel
: Als u selecteert ja voor prestatierapport bij het starten van de stapel, zal een van deze twee AWS Lambda's analyses uitvoeren volgens de outputs van uw Amazon Comprehend-model, die prestatieanalyses per klasse genereert en deze opslaat in Amazon S3.GenerateMultiClass
: Deze AWS Lambda wordt aangeroepen als uw invoer is MultiKlasse en jij selecteert ja voor prestatierapport.GenerateMultiLabel
: Deze AWS Lambda wordt aangeroepen als uw invoer is MultiLabel en jij selecteert ja voor prestatierapport.
- Zodra de training met succes is voltooid, genereert de oplossing de volgende resultaten:
- Aangepast classificatiemodel: een getraind model ARN zal beschikbaar zijn in uw account voor toekomstig gevolgtrekkingswerk.
- Verwarringsmatrix [Optiel]: Een verwarringsmatrix (
confusion_matrix
.json) zal beschikbaar zijn in door de gebruiker gedefinieerde uitvoer Amazon S3 pad, afhankelijk van de gebruikersselectie. - Amazon eenvoudige meldingsservice kennisgeving [Optiel]: Er wordt een notificatie-e-mail verzonden over de status van de trainingsopdracht naar de abonnees, afhankelijk van de initiële gebruikersselectie.
walkthrough
Lancering van de oplossing
Voer de volgende stappen uit om uw pijplijn te implementeren:
- Kies Start Stack knop:
- Kies Volgende
- Specificeer de pijplijndetails met de opties die passen bij uw gebruiksscenario:
Informatie voor elk stapeldetail:
- Stapelnaam (vereist) – de naam die u hiervoor heeft opgegeven AWS CloudFormatie stapel. De naam moet uniek zijn in de regio waarin u deze maakt.
- Q01ClassifierInputBucketName (vereist) – De Amazon S3-bucketnaam om uw invoergegevens op te slaan. Het moet een wereldwijd unieke naam zijn en de AWS CloudFormation-stack helpt je bij het maken van de bucket terwijl deze wordt gelanceerd.
- Q02ClassifierOutputBucketName (vereist) – De Amazon S3-bucketnaam om uitvoer van Amazon Comprehend en de pijplijn op te slaan. Het moet ook een wereldwijd unieke naam zijn.
- Q03Invoerformaat – Een vervolgkeuzelijst waaruit u kunt kiezen tekst (als uw trainingsgegevens csv-bestanden zijn) of semi-structuur (als uw trainingsgegevens semi-gestructureerd zijn [bijvoorbeeld PDF-bestanden]) op basis van uw gegevensinvoerformaat.
- Q04Taal – Een vervolgkeuzelijst, waarbij de taal van de documenten uit de ondersteunde lijst wordt gekozen. Let op: momenteel wordt alleen Engels ondersteund als uw invoerformaat semi-structuur is.
- Q05MultiKlasse – Een vervolgkeuzelijst, selecteer ja als uw invoer de MultiClass-modus is. Anders selecteert u geen.
- Q06Labelscheidingsteken – Alleen vereist als uw Q05MultiClass-antwoord is geen. Dit scheidingsteken wordt in uw trainingsgegevens gebruikt om elke les van elkaar te scheiden.
- Q07Validatiedataset – Een vervolgkeuzelijst, wijzig het antwoord in ja als u de prestaties van een getrainde classificator wilt testen met uw eigen testgegevens.
- Q08S3ValidationPath – Alleen vereist als uw Q07ValidationDataset-antwoord is ja.
- Q09Prestatierapport – Een vervolgkeuzelijst, selecteer ja als u na de modeltraining het prestatierapport op klasseniveau wilt genereren. Het rapport wordt opgeslagen in de door u opgegeven uitvoerbucket in Q02ClassifierOutputBucketName.
- Q10E-mailmelding – Een vervolgkeuzelijst. Selecteer ja als u een melding wilt ontvangen nadat het model is getraind.
- Q11E-mailID – Voer een geldig e-mailadres in voor het ontvangen van meldingen over prestatierapporten. Houd er rekening mee dat u het abonnement via uw e-mail moet bevestigen nadat de AWS CloudFormation-stack is gelanceerd, voordat u een melding kunt ontvangen wanneer de training is voltooid.
- Voeg in het gedeelte Amazon Stack-opties configureren optionele tags, machtigingen en andere geavanceerde instellingen toe.
- Kies Volgende
- Controleer de stapeldetails en selecteer Ik erken dat AWS CloudFormatie zou AWS kunnen creëren IAM middelen.
- Kies Verzenden. Hiermee wordt de pijplijnimplementatie in uw AWS-account geïnitieerd.
- Nadat de stapel met succes is geïmplementeerd, kunt u de pijplijn gaan gebruiken. Maak een
/training-data
map onder de door u opgegeven Amazon S3-locatie voor invoer. Opmerking: Amazon S3 past automatisch versleuteling aan de serverzijde (SSE-S3) toe voor elk nieuw object, tenzij u een andere versleutelingsoptie opgeeft. Raadpleeg alstublieft Gegevensbescherming in Amazon S3 voor meer details over gegevensbescherming en encryptie in Amazon S3.
- Upload uw trainingsgegevens naar de map. (Als de trainingsgegevens semi-gestructureerd zijn, upload dan alle PDF-bestanden voordat u de labelinformatie in .csv-formaat uploadt).
Je bent klaar! U hebt uw pijplijn met succes geïmplementeerd en u kunt de pijplijnstatus controleren in de geïmplementeerde stapfunctie. (Je krijgt een getraind model in je aangepaste classificatiepaneel van Amazon Comprehend).
Als u het model en de versie erin kiest Amazon begrijpt het Console, dan kunt u nu meer details zien over het model dat u zojuist hebt getraind. Het omvat de modus die u selecteert, die overeenkomt met de optie Q05MultiClass, het aantal labels en het aantal getrainde en testdocumenten in uw trainingsgegevens. Je kunt ook de algehele prestaties hieronder bekijken; Als u echter gedetailleerde prestaties voor elke klasse wilt controleren, raadpleeg dan het prestatierapport dat door de geïmplementeerde pijplijn is gegenereerd.
Servicequota
Uw AWS-account heeft standaardquota voor Amazon begrijpt het en AmazonTextract, als de invoer een semi-structuurindeling heeft. Als u servicequota wilt bekijken, raadpleegt u hier For Amazon begrijpt het en hier For AmazonTextract.
Opruimen
Om lopende kosten te voorkomen, verwijdert u de resources die u als onderdeel van deze oplossing hebt gemaakt wanneer u klaar bent.
- Op de Amazon S3 console, verwijder handmatig de inhoud in de buckets die u hebt gemaakt voor invoer- en uitvoergegevens.
- Op de AWS CloudFormatie console, kies Stacks in het navigatievenster.
- Selecteer de hoofdstapel en kies Verwijder.
Hierdoor wordt de geïmplementeerde stapel automatisch verwijderd.
- Je bent getraind Amazon begrijpt het het aangepaste classificatiemodel blijft in uw account staan. Als je het niet meer nodig hebt, binnen Amazon begrijpt het console, verwijder het gemaakte model.
Conclusie
In dit bericht hebben we u het concept van een schaalbare trainingspijplijn laten zien Amazon begrijpt het aangepaste classificatiemodellen en het bieden van een geautomatiseerde oplossing voor het efficiënt trainen van nieuwe modellen. De AWS CloudFormatie De meegeleverde sjabloon maakt het voor u mogelijk om moeiteloos uw eigen tekstclassificatiemodellen te maken, afgestemd op de vraagschalen. De oplossing maakt gebruik van de onlangs aangekondigde Euclid-functie en accepteert invoer in tekst- of semi-gestructureerd formaat.
Nu moedigen we u, onze lezers, aan om deze tools te testen. U kunt meer details vinden over voorbereiding van trainingsgegevens en begrijp de aangepaste classificatiestatistieken. Probeer het uit en ervaar met eigen ogen hoe het uw modeltrainingsproces kan stroomlijnen en de efficiëntie kan verbeteren. Deel uw feedback met ons!
Over de auteurs
Sandeep Singh is een Senior Data Scientist bij AWS Professional Services. Hij heeft een passie voor het helpen van klanten bij het innoveren en bereiken van hun zakelijke doelstellingen door het ontwikkelen van state-of-the-art AI/ML-aangedreven oplossingen. Momenteel richt hij zich op generatieve AI, LLM's, snelle engineering en het opschalen van Machine Learning binnen ondernemingen. Hij brengt recente AI-ontwikkelingen mee om waarde voor klanten te creëren.
Yanyan Zhang is een Senior Data Scientist in het Energy Delivery-team van AWS Professional Services. Ze heeft een passie voor het helpen van klanten bij het oplossen van echte problemen met AI/ML-kennis. Recentelijk lag haar focus op het verkennen van het potentieel van Generatieve AI en LLM. Buiten haar werk houdt ze van reizen, sporten en nieuwe dingen ontdekken.
Wrick Talukdar is een Senior Architect bij het Amazon Comprehend Service-team. Hij werkt samen met AWS-klanten om hen te helpen machine learning op grote schaal toe te passen. Naast zijn werk houdt hij van lezen en fotograferen.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- ChartPrime. Verhoog uw handelsspel met ChartPrime. Toegang hier.
- BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
- Bron: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- : heeft
- :is
- $UP
- 1
- 100
- 11
- 15%
- 2023
- 24
- 26%
- 7
- 9
- a
- in staat
- Over
- Accepteert
- toegang
- Volgens
- Account
- Bereiken
- erkennen
- over
- actieve
- toevoegen
- adres
- aangesproken
- adopteren
- vergevorderd
- vooruitgang
- Voordeel
- Na
- AI
- AI / ML
- algoritme
- Alles
- toestaat
- al
- ook
- Amazone
- Amazon begrijpt het
- Amazon Web Services
- an
- analyse
- het analyseren van
- en
- aangekondigd
- beantwoorden
- meer
- api
- Aanvraag
- geldt
- ZIJN
- AS
- aspecten
- toegewezen
- At
- audio
- auditing
- geautomatiseerde
- Automatisch
- webmaster.
- automatiseren
- Beschikbaar
- vermijd
- weg
- AWS
- AWS CloudFormatie
- AWS Lambda
- AWS professionele services
- baseren
- gebaseerde
- bbc
- BE
- geweest
- vaardigheden
- gedrag
- wezen
- behoort
- onder
- betekent
- op maat
- Betere
- tussen
- Groot
- Blog
- Brengt
- Bladeren
- bouw
- bedrijfsdeskundigen
- ondernemingen
- maar
- by
- Dit betekent dat we onszelf en onze geliefden praktisch vergiftigen.
- bellen
- CAN
- geval
- gevallen
- categorieën
- categoriseren
- Categorie
- verandering
- Wijzigingen
- lasten
- controle
- Controles
- Kies
- het kiezen van
- klasse
- klassen
- classificatie
- geklasseerd
- classificeren
- duidelijk
- Klik
- verzamelen
- Kolom
- columns
- concurrerend
- klachten
- compleet
- Voltooid
- ingewikkeldheid
- nakoming
- begrijpen
- bestaat uit
- concept
- Bevestigen
- verwarring
- aansluitingen
- troosten
- bevat
- content
- inhoud
- contexten
- komt overeen
- Kosten
- kon
- en je merk te creëren
- Waarde creëren
- aangemaakt
- Wij creëren
- Op dit moment
- gewoonte
- klant
- Klantenservice
- Klanten
- gegevens
- gegevensbescherming
- data scientist
- toegewijd aan
- Standaard
- gedefinieerd
- definieert
- definitie
- levering
- deloitte
- Vraag
- demonstreert
- Afhankelijk
- implementeren
- ingezet
- inzet
- beschreven
- detail
- gedetailleerd
- gegevens
- vastbesloten
- het ontwikkelen van
- Ontwikkeling
- anders
- moeilijk
- document
- documenten
- Dollar
- domein
- domeinen
- gedaan
- Dont
- beneden
- e
- elk
- gemakkelijker
- gemakkelijk
- rand
- doeltreffendheid
- efficiënt
- moeiteloos
- inspanningen
- beide
- in staat stellen
- aanmoedigen
- encryptie
- energie-niveau
- engagement
- Engineering
- Engels
- verhogen
- verzekeren
- Enter
- bedrijven
- essentieel
- Europa
- Alle
- voorbeeld
- duur
- Verkennen
- Mislukt
- Kenmerk
- feedback
- weinig
- Figuur
- Dien in
- Bestanden
- Tot slot
- VIND DE PLEK DIE PERFECT VOOR JOU IS
- bedrijven
- Voornaam*
- fitting
- Focus
- gericht
- volgend
- Voor
- formaat
- oppompen van
- functie
- functies
- toekomst
- voortbrengen
- gegenereerde
- genereert
- generatief
- generatieve AI
- Geven
- Wereldwijd
- bestuur
- geleidelijk
- Hebben
- met
- he
- hulp
- het helpen van
- helpt
- haar
- Hoe
- How To
- Echter
- HTML
- HTTPS
- menselijk
- i
- identificeren
- if
- in
- omvatten
- inclusief
- omvat
- Laat uw omzet
- aangegeven
- informatie
- eerste
- ingewijden
- innoveren
- invoer
- ingangen
- binnen
- inzichten
- belangen
- in
- voorstellen
- ingeroepen
- problemen
- IT
- HAAR
- Jobomschrijving:
- jpg
- json
- voor slechts
- sleutel
- kennis
- label
- labels
- arbeid
- taal
- Groot
- Achternaam*
- gelanceerd
- lancering
- LEARN
- leren
- minst
- als
- Lijn
- Lijst
- LLM
- gelegen
- plaats
- opgesloten
- langer
- lot
- houdt
- te verlagen
- machine
- machine learning
- gemaakt
- Hoofd
- Meerderheid
- MERKEN
- handboek
- handmatig
- veel
- kaart
- Matrix
- Mei..
- Media
- Maak kennis met
- macht
- minuten
- Mode
- model
- modellen
- modi
- geld
- Grensverkeer
- meer
- meest
- Berg
- veel
- meervoudig
- Dan moet je
- naam
- namen
- smal
- Navigatie
- noodzakelijk
- Noodzaak
- nodig
- New
- nieuws
- volgende
- nlp
- geen
- notificatie
- nu
- aantal
- object
- doelstellingen
- of
- on
- EEN
- lopend
- Slechts
- Keuze
- Opties
- or
- organisatie
- organisaties
- Overige
- anders-
- onze
- uit
- uitgang
- buiten
- over
- totaal
- het te bezitten.
- pagina
- brood
- paneel
- parameters
- deel
- vooral
- passeren
- hartstochtelijk
- pad
- Mensen
- voor
- prestatie
- permissies
- fotografie
- pijpleiding
- Plato
- Plato gegevensintelligentie
- PlatoData
- dan
- beleidsmaatregelen door te lezen.
- beleidsmaatregelen
- politiek
- mogelijk
- Post
- potentieel
- aangedreven
- voorkeuren
- Voorbereiden
- bereid
- probleem
- problemen
- processen
- verwerking
- Product
- professioneel
- Programming
- bescherming
- zorgen voor
- mits
- het verstrekken van
- Python
- kwaliteit
- snel
- lezers
- lezing
- vast
- ontvangen
- ontvangende
- recent
- onlangs
- verwijzen
- regio
- regelgevers
- Regulatory Compliance
- verwant
- relevante
- blijven
- verslag
- gemeld
- bewaarplaats
- nodig
- Voorwaarden
- hulpbron
- Resources
- Reageren
- Resultaten
- Retourneren
- rechts
- reglement
- lopen
- dezelfde
- Bespaar
- gered
- Schaalbaarheid
- schaalbare
- Scale
- balans
- scaling
- Wetenschapper
- krassen
- Ontdek
- Tweede
- sectie
- zien
- selectie
- senior
- verzonden
- apart
- -Series
- service
- Diensten
- reeks
- het instellen van
- settings
- Delen
- ze
- Bermuda's
- moet
- vertoonde
- getoond
- aanzienlijke
- betekenen
- Eenvoudig
- single
- situatie
- Social
- social media
- oplossing
- Oplossingen
- OPLOSSEN
- sommige
- bron
- bronnen
- specifiek
- gespecificeerd
- Sport
- stack
- Stadium
- stadia
- normen
- begin
- starts
- state-of-the-art
- Status
- Stap voor
- Stappen
- mediaopslag
- shop
- gestroomlijnd
- abonnees
- abonnement
- Hierop volgend
- Met goed gevolg
- dergelijk
- ondersteuning
- ondersteunde
- steunen
- Enquête
- TAG
- op maat gemaakt
- Nemen
- Taak
- team
- tech
- technieken
- Technologie
- sjabloon
- proef
- tekst
- Tekstclassificatie
- neem contact
- dat
- De
- De Bron
- hun
- Ze
- harte
- Deze
- ze
- spullen
- dit
- duizenden kosten
- drie
- Door
- niet de tijd of
- tijdrovend
- naar
- tools
- onderwerpen
- Trainen
- getraind
- Trainingen
- Reizend
- Trends
- leiden
- proberen
- twee
- type dan:
- ontdekken
- voor
- begrijpen
- unieke
- onaangeboord
- tot
- geüpload
- Uploaden
- us
- .
- use case
- gebruikt
- Gebruiker
- gebruikers
- toepassingen
- gebruik
- waardevol
- waarde
- variëteit
- versie
- Bekijk
- willen
- Manier..
- we
- web
- webservices
- Website
- wanneer
- welke
- en
- geheel
- wil
- Met
- binnen
- zonder
- Mijn werk
- workflow
- workflows
- werkzaam
- trainen
- Bedrijven
- You
- Your
- zephyrnet
- Postcode