Amazon SageMaker Feature Store er et fullt administrert, spesialbygd depot for å lagre, dele og administrere funksjoner for maskinlæringsmodeller (ML). Egenskaper er input til ML-modeller som brukes under trening og inferens. For eksempel, i et program som anbefaler en musikkspilleliste, kan funksjoner inkludere sangvurderinger, lyttevarighet og demografiske lyttere. Funksjoner brukes gjentatte ganger av flere team, og funksjonskvalitet er avgjørende for å sikre en svært nøyaktig modell. Når funksjoner som brukes til å trene modeller offline i batch gjøres tilgjengelige for sanntidsslutning, er det også vanskelig å holde de to funksjonslagrene synkronisert. SageMaker Feature Store gir en sikker og enhetlig butikk for å behandle, standardisere og bruke funksjoner i stor skala gjennom hele ML-livssyklusen.
SageMaker Feature Store gjør det nå enkelt å dele, oppdage og få tilgang til funksjonsgrupper på tvers av AWS-kontoer. Denne nye evnen fremmer samarbeid og minimerer duplikatarbeid for team involvert i ML-modell- og applikasjonsutvikling, spesielt i bedriftsmiljøer med flere kontoer som spenner over ulike forretningsenheter eller funksjoner.
Med denne lanseringen kan kontoeiere gi tilgang til utvalgte funksjonsgrupper av andre kontoer som bruker AWS Resource Access Manager (AWS RAM). Etter at de har fått tilgang, kan brukere av disse kontoene enkelt se alle funksjonsgruppene deres, inkludert de delte, gjennom Amazon SageMaker Studio eller SDK-er. Dette gjør det mulig for team å oppdage og bruke funksjoner utviklet av andre team, noe som fremmer kunnskapsdeling og effektivitet. I tillegg kan bruksdetaljer for delte ressurser overvåkes med Amazon CloudWatch og AWS CloudTrail. For et dypdykk, se Synlighet og tilgang til funksjoner på flere kontoer.
I dette innlegget diskuterer vi hvorfor og hvordan en sentralisert funksjonsbutikk med tilgang på tvers av kontoer. Vi viser hvordan du setter den opp og kjører en prøvedemonstrasjon, samt fordelene du kan få ved å bruke denne nye funksjonen i organisasjonen din.
Hvem trenger en funksjonsbutikk på tvers av kontoer
Organisasjoner må trygt dele funksjoner på tvers av team for å bygge nøyaktige ML-modeller, samtidig som de forhindrer uautorisert tilgang til sensitive data. SageMaker Feature Store tillater nå detaljert deling av funksjoner på tvers av kontoer via AWS RAM, noe som muliggjør samarbeidsmodellutvikling med styring.
SageMaker Feature Store gir spesialbygd lagring og administrasjon for ML-funksjoner som brukes under trening og slutninger. Med støtte på tvers av kontoer kan du nå selektivt dele funksjoner som er lagret i én AWS-konto med andre kontoer i organisasjonen din.
For eksempel kan analyseteamet kurere funksjoner som kundeprofil, transaksjonshistorikk og produktkataloger i en sentral administrasjonskonto. Disse må være sikret tilgang til av ML-utviklere i andre avdelinger som markedsføring, svindeldeteksjon og så videre for å bygge modeller.
Følgende er de viktigste fordelene ved å dele ML-funksjoner på tvers av kontoer:
- Konsistente og gjenbrukbare funksjoner – Sentralisert deling av kurerte funksjoner forbedrer modellens nøyaktighet ved å gi konsistente inndata å trene på. Team kan oppdage og direkte bruke funksjoner laget av andre i stedet for å duplisere dem i hver konto.
- Funksjonsgruppe tilgangskontroll – Du kan bare gi tilgang til de spesifikke funksjonsgruppene som kreves for en kontos brukstilfelle. For eksempel kan markedsføringsteamet bare få tilgang til kundeprofilfunksjonsgruppen som er nødvendig for anbefalingsmodeller.
- Samarbeid på tvers av team – Delte funksjoner lar ulike team som svindel, markedsføring og salg samarbeide om å bygge ML-modeller ved å bruke de samme pålitelige dataene i stedet for å lage silede funksjoner.
- Revisjonsspor for samsvar – Administratorer kan overvåke funksjonsbruk av alle kontoer sentralt ved å bruke CloudTrail-hendelseslogger. Dette gir et revisjonsspor som kreves for styring og etterlevelse.
Avgrense produsenter fra forbrukere i funksjonsbutikker på tvers av kontoer
I området for maskinlæring fungerer funksjonsbutikken som en avgjørende bro, som forbinder de som leverer data med de som utnytter dem. Denne dikotomien kan administreres effektivt ved å bruke et oppsett på tvers av kontoer for funksjonsbutikken. La oss avmystifisere dette ved å bruke følgende personas og en analogi fra den virkelige verden:
- Data- og ML-ingeniører (eiere og produsenter) – De legger grunnlaget ved å mate data inn i funksjonsbutikken
- Dataforskere (forbrukere) – De trekker ut og bruker disse dataene til å lage modellene sine
Dataingeniører fungerer som arkitekter som skisserer den første planen. Deres oppgave er å konstruere og overvåke effektive datarørledninger. Ved å trekke data fra kildesystemer, former de rådataattributter til merkbare funksjoner. Ta "alder" for eksempel. Selv om det bare representerer spennet mellom nå og ens fødselsdato, kan tolkningen variere på tvers av en organisasjon. Her er det viktig å sikre kvalitet, enhetlighet og konsistens. Målet deres er å mate data inn i et sentralisert funksjonslager, og etablere det som det ubestridte referansepunktet.
ML-ingeniører avgrenser disse grunnleggende funksjonene, og skreddersyr dem for modne ML-arbeidsflyter. I banksammenheng kan de utlede statistisk innsikt fra kontosaldoer, identifisere trender og flytmønstre. Hindringen de ofte møter er redundans. Det er vanlig å se repeterende funksjonsopprettingspipelines på tvers av ulike ML-initiativer.
Se for deg dataforskere som gourmetkokker som speider etter et velfylt spiskammer og søker de beste ingrediensene til deres neste kulinariske mesterverk. Tiden deres bør investeres i å lage innovative dataoppskrifter, ikke i å sette sammen pantryet igjen. Hindringen på dette tidspunktet er å finne de riktige dataene. Et brukervennlig grensesnitt, utstyrt med effektive søkeverktøy og omfattende funksjonsbeskrivelser, er uunnværlig.
I hovedsak segmenterer et butikkoppsett med funksjoner på tvers av kontoer omhyggelig rollene til dataprodusenter og forbrukere, og sikrer effektivitet, klarhet og innovasjon. Enten du legger grunnlaget eller bygger på toppen, er det avgjørende å kjenne din rolle og verktøy.
Følgende diagram viser to forskjellige dataforskerteam, fra to forskjellige AWS-kontoer, som deler og bruker den samme sentrale funksjonsbutikken for å velge de beste funksjonene som trengs for å bygge ML-modellene deres. Den sentrale funksjonsbutikken er plassert på en annen konto som administreres av dataingeniører og ML-ingeniører, der datastyringslaget og datainnsjøen vanligvis er plassert.
Funksjonsgruppekontroller på tvers av kontoer
Med SageMaker Feature Store kan du dele funksjonsgrupperessurser på tvers av kontoer. Ressurseierkontoen deler ressurser med ressursforbrukerkontoene. Det er to distinkte kategorier av tillatelser knyttet til deling av ressurser:
- Synlighetstillatelser - synlighet betyr å kunne se funksjonsgruppenavn og metadata. Når du gir synlighetstillatelse, blir alle funksjonsgruppeenheter i kontoen du deler fra (ressurseierkonto) synlige for kontoene du deler med (ressursforbrukerkontoer). Hvis du for eksempel gjør ressurseierkontoen synlig for ressursforbrukerkontoen, kan rektorer for ressursforbrukerkontoen se alle funksjonsgruppene i ressurseierkontoen. Denne tillatelsen er gitt til ressursforbrukerkontoer ved å bruke SageMaker-katalogressurstypen.
- Adgangstillatelser – Når du gir tilgangstillatelse, gjør du det på funksjonsgrupperessursnivå (ikke kontonivå). Dette gir deg mer detaljert kontroll over å gi tilgang til data. Typen tilgangstillatelser som kan gis er skrivebeskyttet, lese/skrive og admin. Du kan for eksempel bare velge visse funksjonsgrupper fra ressurseierkontoen for å være tilgjengelig for rektorer for ressursforbrukerkontoen, avhengig av bedriftens behov. Denne tillatelsen gis til ressursforbrukerkontoer ved å bruke ressurstypen funksjonsgruppe og spesifisere funksjonsgruppeenheter.
Følgende eksempeldiagram visualiserer deling av SageMaker-katalogressurstypen som gir oppdagbarhetstillatelsen kontra deling av en funksjonsgrupperessurstypeenhet med tilgangstillatelser. SageMaker-katalogen inneholder alle funksjonsgruppene dine. Når ressursbrukerkontoen får tillatelse til å oppdage dem, kan den søke og oppdage alle funksjonsgruppeenheter i ressurseierkontoen. En funksjonsgruppeenhet inneholder ML-dataene dine. Når den får tilgangstillatelse, kan ressursforbrukerkontoen få tilgang til funksjonsgruppedataene, med tilgang bestemt av den relevante tilgangstillatelsen.
Løsningsoversikt
Fullfør følgende trinn for å dele funksjoner på en sikker måte mellom kontoer ved å bruke SageMaker Feature Store:
- I kildekontoen (eierkontoen), innta datasett og klargjøre normaliserte funksjoner. Organiser relaterte funksjoner i logiske grupper kalt funksjonsgrupper.
- Opprett en ressursandel for å gi tilgang på tvers av kontoer til bestemte funksjonsgrupper. Definer tillatte handlinger som hent og sett, og begrense tilgangen kun til autoriserte kontoer.
- I målkontoene (forbrukerkontoene), godta AWS RAM-invitasjonen for å få tilgang til delte funksjoner. Se gjennom tilgangspolicyen for å forstå tillatelser som er gitt.
Utviklere i målkontoer kan nå hente delte funksjoner ved hjelp av SageMaker SDK, bli med ytterligere data og bruke dem til å trene ML-modeller. Kildekontoen kan overvåke tilgang til delte funksjoner for alle kontoer ved å bruke CloudTrail-hendelseslogger. Revisjonslogger gir sentralisert innsyn i funksjonsbruk.
Med disse trinnene kan du gjøre det mulig for team på tvers av organisasjonen din å bruke delte ML-funksjoner på en sikker måte for samarbeidsmodellutvikling.
Forutsetninger
Vi antar at du allerede har opprettet funksjonsgrupper og inntatt de tilsvarende funksjonene i eierkontoen din. For mer informasjon om å komme i gang, se Kom i gang med Amazon SageMaker Feature Store.
Gi synlighetstillatelser
Først viser vi hvordan du deler SageMaker Feature Store-katalogen på eierkontoen. Fullfør følgende trinn:
- Åpne AWS RAM-konsollen i eierkontoen til SageMaker Feature Store-katalogen.
- Under Delt av meg Velg navigasjonsruten Ressursandeler.
- Velg Opprett ressursandel.
- Skriv inn et ressursdelingsnavn og velg SageMaker ressurskataloger som ressurstype.
- Velg neste.
- For tilgang som bare er synlig, skriv inn
AWSRAMPermissionSageMakerCatalogResourceSearch
forum Administrerte tillatelser. - Velg neste.
- Skriv inn forbrukerkonto-ID og velg Legg til. Du kan legge til flere forbrukerkontoer.
- Velg neste og fullfør ressursdelingen din.
Nå skal den delte SageMaker Feature Store-katalogen vises på Ressursandeler side.
Du kan oppnå samme resultat ved å bruke AWS kommandolinjegrensesnitt (AWS CLI) med følgende kommando (gi AWS-regionen din, eierkonto-ID og forbrukerkonto-ID):
Godta invitasjonen for ressursdeling
For å godta invitasjonen for ressursdeling, fullfør følgende trinn:
- Åpne AWS RAM-konsollen i målkontoen (forbrukerkontoen).
- Under Delt med meg Velg navigasjonsruten Ressursandeler.
- Velg den nye ventende ressursandelen.
- Velg Godta ressursdeling.
Du kan oppnå samme resultat ved å bruke AWS CLI med følgende kommando:
Fra utdataene fra forrige kommando, hent verdien av resourceShareInvitationArn
og godta invitasjonen med følgende kommando:
Arbeidsflyten er den samme for å dele funksjonsgrupper med en annen konto via AWS RAM.
Etter at du har delt noen funksjonsgrupper med målkontoen, kan du inspisere SageMaker Feature Store, hvor du kan se at den nye katalogen er tilgjengelig.
Gi tilgangstillatelser
Med tilgangstillatelser kan vi gi tillatelser på funksjonsgrupperessursnivå. Fullfør følgende trinn:
- Åpne AWS RAM-konsollen i eierkontoen til SageMaker Feature Store-katalogen.
- Under Delt av meg Velg navigasjonsruten Ressursandeler.
- Velg Opprett ressursandel.
- Skriv inn et ressursdelingsnavn og velg SageMaker-funksjonsgrupper som ressurstype.
- Velg én eller flere funksjonsgrupper du vil dele.
- Velg neste.
- For lese-/skrivetilgang, skriv inn
AWSRAMPermissionSageMakerFeatureGroupReadWrite
forum Administrerte tillatelser. - Velg neste.
- Skriv inn forbrukerkonto-ID og velg Legg til. Du kan legge til flere forbrukerkontoer.
- Velg neste og fullfør ressursdelingen din.
Nå skal den delte katalogen vises på Ressursandeler side.
Du kan oppnå det samme resultatet ved å bruke AWS CLI med følgende kommando (oppgi din region, eierkonto-ID, forbrukerkonto-ID og funksjonsgruppenavn):
Det er tre typer tilgang du kan gi til funksjonsgrupper:
- AWSRAMPermissionSageMakerFeatureGroupReadOnly – Den skrivebeskyttede rettigheten lar ressursforbrukerkontoer lese poster i de delte funksjonsgruppene og se detaljer og metadata
- AWSRAMPermissionSageMakerFeatureGroupReadWrite – Lese-/skriverettigheten lar ressursforbrukerkontoer skrive poster til og slette poster fra de delte funksjonsgruppene, i tillegg til lesetillatelser
- AWSRAMPermissionSagemakerFeatureGroupAdmin – Administratorrettigheten lar ressursforbrukerkontoene oppdatere beskrivelsen og parameterne til funksjoner innenfor de delte funksjonsgruppene og oppdatere konfigurasjonen av de delte funksjonsgruppene, i tillegg til lese-/skrivetillatelser
Godta invitasjonen for ressursdeling
For å godta invitasjonen for ressursdeling, fullfør følgende trinn:
- Åpne AWS RAM-konsollen i målkontoen (forbrukerkontoen).
- Under Delt med meg Velg navigasjonsruten Ressursandeler.
- Velg den nye ventende ressursandelen.
- Velg Godta ressursdeling.
Prosessen med å akseptere ressursandelen ved å bruke AWS CLI er den samme som for forrige oppdagbarhetsseksjon, med kommandoene get-resource-share-invitations og accept-resource-share-invitation.
Eksempel på notatbøker som viser frem denne nye funksjonen
To notatbøker ble lagt til SageMaker Feature Store Workshop GitHub repository i mappen 09-module-security/09-03-cross-account-access:
- m9_03_nb1_cross-account-admin.ipynb – Dette må startes på administrator- eller eier-AWS-kontoen din
- m9_03_nb2_cross-account-consumer.ipynb – Dette må lanseres på forbruker-AWS-kontoen din
Det første skriptet viser hvordan du oppretter synlighetsressursandelen for eksisterende funksjonsgrupper på administrator- eller eierkontoen og deler den med en annen forbrukerkonto programmatisk ved å bruke AWS RAM API create_resource_share()
. Den viser også hvordan du gir tilgangstillatelser til eksisterende funksjonsgrupper på eierkontoen og deler disse med en annen forbrukerkonto ved å bruke AWS RAM. Du må oppgi forbruker-AWS-konto-ID før du kjører den bærbare datamaskinen.
Det andre skriptet godtar AWS RAM-invitasjoner for å oppdage og få tilgang til funksjonsgrupper på tvers av kontoer fra eiernivå. Deretter viser den hvordan du oppdager funksjonsgrupper på tvers av kontoer som er på eierkontoen og viser disse på forbrukerkontoen. Du kan også se hvordan du får tilgang i lese/skrive funksjonsgrupper på tvers av kontoer som er på eierkontoen og utføre følgende operasjoner fra forbrukerkontoen: describe()
, get_record()
, ingest()
og delete_record()
.
konklusjonen
SageMaker Feature Store-muligheten på tvers av kontoer tilbyr flere overbevisende fordeler. For det første letter det sømløst samarbeid ved å muliggjøre deling av funksjonsgrupper på tvers av flere AWS-kontoer. Dette forbedrer datatilgjengelighet og utnyttelse, slik at team i forskjellige kontoer kan bruke delte funksjoner for sine ML-arbeidsflyter.
I tillegg forbedrer funksjonen på tvers av kontoer datastyring og sikkerhet. Med kontrollert tilgang og tillatelser gjennom AWS RAM, kan organisasjoner opprettholde et sentralisert funksjonslager samtidig som de sikrer at hver konto har skreddersydde tilgangsnivåer. Dette effektiviserer ikke bare databehandlingen, men styrker også sikkerhetstiltakene ved å begrense tilgangen til autoriserte brukere.
Videre forenkler muligheten til å dele funksjonsgrupper på tvers av kontoer prosessen med å bygge og distribuere ML-modeller i et samarbeidsmiljø. Det fremmer en mer integrert og effektiv arbeidsflyt, reduserer redundans i datalagring og gjør det lettere å lage robuste modeller med delte funksjoner av høy kvalitet. Totalt sett optimaliserer Feature Stores evne til å krysse kontoer samarbeid, styring og effektivitet i ML-utvikling på tvers av forskjellige AWS-kontoer. Prøv det, og la oss få vite hva du synes i kommentarene.
Om forfatterne
Ioan Catana er senior spesialistløsningsarkitekt for kunstig intelligens og maskinlæring ved AWS. Han hjelper kunder med å utvikle og skalere sine ML-løsninger i AWS Cloud. Ioan har over 20 års erfaring, for det meste innen programvarearkitekturdesign og skyutvikling.
Philipp Kaindl er senior arkitekt for kunstig intelligens og maskinlæringsløsninger ved AWS. Med bakgrunn innen datavitenskap og maskinteknikk, fokuserer han på å styrke kundene til å skape varig forretningseffekt ved hjelp av AI. Utenom jobben liker Philipp å fikle med 3D-printere, seile og gå på tur.
Dhaval Shah er senior løsningsarkitekt hos AWS, med spesialisering i maskinlæring. Med et sterkt fokus på digitale opprinnelige virksomheter gir han kundene muligheten til å bruke AWS og drive virksomhetens vekst. Som en ML-entusiast er Dhaval drevet av sin lidenskap for å skape effektive løsninger som gir positiv endring. På fritiden hengir han seg til kjærligheten for reiser og setter pris på gode øyeblikk med familien.
Mizanur Rahman er en senior programvareingeniør for Amazon SageMaker Feature Store med over 10 års praktisk erfaring med spesialisering i AI og ML. Med et sterkt fundament i både teori og praktiske anvendelser, har han en Ph.D. i svindeldeteksjon ved hjelp av maskinlæring, noe som gjenspeiler hans dedikasjon til å fremme feltet. Hans ekspertise spenner over et bredt spekter, og omfatter skalerbare arkitekturer, distribuert databehandling, big data-analyse, mikrotjenester og skyinfrastrukturer for organisasjoner.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/
- : har
- :er
- :ikke
- :hvor
- $OPP
- 10
- 150
- 20
- 20 år
- 3d
- 7
- 8
- 9
- a
- evne
- I stand
- Om oss
- Aksepterer
- akseptere
- godtar
- adgang
- Tilgang til data
- aksesseres
- tilgjengelighet
- tilgjengelig
- Logg inn
- kontoer
- nøyaktighet
- nøyaktig
- Oppnå
- tvers
- handlinger
- handlinger
- legge til
- la til
- tillegg
- Ytterligere
- I tillegg
- admin
- administratorer
- Advancing
- Etter
- AI
- sikte
- Alle
- tillate
- tillatt
- tillate
- tillater
- allerede
- også
- Selv
- Amazon
- Amazon SageMaker
- Amazon Web Services
- an
- analytics
- og
- En annen
- api
- Søknad
- Applikasjonutvikling
- søknader
- arkitekter
- arkitektur
- arkitekturer
- ER
- kunstig
- kunstig intelligens
- Kunstig intelligens og maskinlæring
- AS
- assosiert
- anta
- At
- attributter
- revisjon
- autorisert
- tilgjengelig
- AWS
- bakgrunn
- balanserer
- Banking
- BE
- bli
- før du
- være
- Fordeler
- BEST
- mellom
- Stor
- Store data
- blåkopi
- både
- BRO
- bringe
- bred
- bygge
- Bygning
- virksomhet
- bedrifter
- men
- by
- som heter
- CAN
- Kan få
- evne
- saken
- katalog
- kataloger
- kategorier
- sentral
- sentralisert
- viss
- endring
- Velg
- klarhet
- cli
- Cloud
- samarbeide
- samarbeid
- samarbeids
- kommentarer
- Felles
- overbevisende
- fullføre
- samsvar
- omfattende
- databehandling
- Konfigurasjon
- Tilkobling
- konsistent
- Konsoll
- konstruere
- forbruke
- forbruker
- Forbrukere
- inneholdt
- inneholder
- kontekst
- kontroll
- kontrolleres
- beleilig
- Tilsvarende
- kunne
- lage
- skape
- opprettet
- Opprette
- skaperverket
- kritisk
- avgjørende
- kuratere
- kuratert
- kunde
- Kunder
- dato
- Data Analytics
- Data Lake
- Dataledelse
- datavitenskap
- dataforsker
- datalagring
- datasett
- dedikasjon
- dyp
- dypdykk
- definere
- Demografi
- demonstrere
- avmystifisere
- avdelinger
- avhengig
- utplasserings
- beskrivelse
- utforming
- detaljer
- Gjenkjenning
- bestemmes
- utvikle
- utviklet
- utviklere
- Utvikling
- diagram
- forskjellig
- digitalt
- direkte
- oppdage
- oppdage
- Funnet
- diskutere
- uensartede
- distinkt
- distribueres
- distribuert databehandling
- dykk
- diverse
- do
- tegning
- stasjonen
- drevet
- duplisering
- varighet
- under
- hver enkelt
- effektivt
- effektivitet
- effektiv
- uanstrengt
- myndiggjøring
- bemyndiger
- muliggjøre
- muliggjør
- muliggjør
- altomfattende
- ingeniør
- Ingeniørarbeid
- Ingeniører
- Forbedrer
- sikre
- sikrer
- Enter
- Enterprise
- entusiast
- enheter
- enhet
- Miljø
- miljøer
- utstyrt
- essens
- etablere
- Event
- eksempel
- eksisterende
- erfaring
- ekspertise
- trekke ut
- Face
- forenkler
- tilrettelegging
- familie
- Trekk
- Egenskaper
- fôring
- felt
- Først
- flyten
- Fokus
- etter
- Til
- fostre
- foster
- Fundament
- grunn
- svindel
- svindeloppdagelse
- fra
- fullt
- funksjoner
- få
- få
- Gi
- gir
- styresett
- innvilge
- innvilget
- innvilgelse
- granulær
- grunnarbeid
- Gruppe
- Gruppens
- Vekst
- hands-on
- Hard
- seletøy
- Ha
- he
- hjelpe
- hjelper
- her.
- høykvalitets
- svært
- hans
- historie
- holder
- Hvordan
- Hvordan
- HTML
- http
- HTTPS
- hinder
- ID
- identifisering
- if
- Påvirkning
- innflytelsesrik
- forbedrer
- in
- I andre
- inkludere
- Inkludert
- informasjon
- infrastruktur
- innledende
- initiativer
- Innovasjon
- innovative
- inngang
- innganger
- innsiden
- innsikt
- f.eks
- i stedet
- integrert
- Intelligens
- Interface
- tolkning
- inn
- investert
- invitasjon
- invitere
- involvert
- IT
- DET ER
- bli medlem
- jpg
- tidspunkt
- Hold
- nøkkel
- Vet
- Knowing
- kunnskap
- innsjø
- varig
- lansere
- lansert
- lå
- lag
- legging
- læring
- la
- Nivå
- nivåer
- Livssyklus
- i likhet med
- begrense
- linje
- Liste
- lytteren
- Lytting
- ligger
- logisk
- elsker
- maskin
- maskinlæring
- laget
- vedlikeholde
- gjøre
- GJØR AT
- administrer
- fikk til
- ledelse
- Marketing
- mesterverk
- moden
- Kan..
- midler
- målinger
- mekanisk
- bare
- metadata
- omhyggelig
- micro
- kunne
- minimerer
- ML
- modell
- modeller
- Moments
- Overvåke
- overvåket
- mer
- for det meste
- flere
- musikk
- navn
- navn
- innfødt
- Navigasjon
- Trenger
- nødvendig
- behov
- Ny
- neste
- bærbare
- nå
- observere
- of
- Tilbud
- offline
- ofte
- on
- ONE
- seg
- bare
- åpen
- Drift
- Optimaliserer
- or
- organisasjon
- organisasjoner
- Annen
- andre
- vår
- produksjon
- utenfor
- enn
- samlet
- overvåke
- eieren
- eiere
- side
- brød
- parametere
- Paramount
- spesielt
- lidenskap
- mønstre
- påvente
- Utfør
- tillatelse
- tillatelser
- sentral
- plato
- Platon Data Intelligence
- PlatonData
- Point
- politikk
- positiv
- Post
- Praktisk
- forut
- Forbered
- hindre
- forrige
- rektorer
- privilegium
- prosess
- Produsentene
- Produkt
- Profil
- fremmer
- gi
- gir
- gi
- sette
- kvalitet
- RAM
- rangeringer
- Raw
- Lese
- virkelige verden
- sanntids
- riket
- Anbefaling
- anbefaler
- poster
- redusere
- referere
- referanse
- avgrense
- reflekterende
- region
- i slekt
- relevant
- pålitelig
- GJENTATTE GANGER
- repeterende
- Repository
- representerer
- påkrevd
- ressurs
- Ressurser
- begrense
- resultere
- gjenbruk
- anmeldelse
- ikke sant
- robust
- Rolle
- roller
- Kjør
- rennende
- sagemaker
- seiling
- salg
- samme
- sample
- skalerbar
- Skala
- Vitenskap
- Forsker
- forskere
- script
- SDK
- sdks
- sømløs
- Søk
- Sekund
- Seksjon
- sikret
- sikkert
- sikkerhet
- Sikkerhetstiltak
- se
- søker
- segmenter
- velg
- senior
- sensitive
- betjene
- Tjenester
- sett
- oppsett
- flere
- Del
- delt
- Aksjer
- deling
- bør
- Vis
- utstillingsvindu
- Viser
- siled
- forenkler
- beliggende
- So
- Software
- Software Engineer
- Solutions
- noen
- sang
- kilde
- span
- Spenning
- spenn
- spesialist
- spesialisert
- spesifikk
- spesifiserer
- Spectrum
- startet
- statistisk
- Steps
- lagring
- oppbevare
- lagret
- butikker
- effektiviserer
- Styrker
- sterk
- levere
- støtte
- Støtter
- Systemer
- skreddersydd
- sying
- Ta
- Target
- Oppgave
- lag
- lag
- Det
- De
- Kilden
- deres
- Dem
- deretter
- teori
- Der.
- Disse
- de
- tror
- denne
- De
- tre
- Gjennom
- tid
- til
- verktøy
- trail
- Tog
- Kurs
- Transaksjonen
- reiser
- Trender
- prøve
- to
- typen
- typer
- uautorisert
- forstå
- enhetlig
- lomper
- Oppdater
- us
- bruk
- bruke
- bruk sak
- brukt
- brukervennlig
- Brukere
- ved hjelp av
- vanligvis
- bruke
- verdi
- variere
- av
- Se
- synlighet
- vs
- we
- web
- webtjenester
- VI VIL
- var
- Hva
- når
- om
- mens
- HVEM
- hvorfor
- med
- innenfor
- Arbeid
- arbeidsflyt
- arbeidsflyt
- verksted
- skrive
- år
- Du
- Din
- zephyrnet