For moderne selskaper som håndterer enorme mengder dokumenter som kontrakter, fakturaer, CVer og rapporter, er effektiv behandling og henting av relevante data avgjørende for å opprettholde et konkurransefortrinn. Imidlertid kan tradisjonelle metoder for å lagre og søke etter dokumenter være tidkrevende og ofte resultere i en stor innsats for å finne et spesifikt dokument, spesielt når de inkluderer håndskrift. Hva om det fantes en måte å behandle dokumenter intelligent og gjøre dem søkbare med høy nøyaktighet?
Dette er muliggjort med amazontekst, AWS sin tjeneste for intelligent dokumentbehandling, kombinert med de raske søkemulighetene til OpenSearch. I dette innlegget tar vi deg med på en reise for raskt å bygge og distribuere en dokumentsøk-indekseringsløsning som hjelper organisasjonen din med å utnytte og trekke ut innsikt fra dokumenter bedre.
Enten du er i Human Resources på jakt etter spesifikke klausuler i ansattkontrakter, eller en finansanalytiker som siler gjennom et fjell av fakturaer for å trekke ut betalingsdata, er denne løsningen skreddersydd for å gi deg tilgang til informasjonen du trenger med enestående hastighet og nøyaktighet.
Med den foreslåtte løsningen blir dokumentene dine automatisk innlemmet, innholdet deres analysert og deretter indeksert til en svært responsiv og skalerbar OpenSearch-indeks.
Vi vil dekke hvordan teknologier som Amazon Textract, AWS Lambda, Amazon enkel lagringstjeneste (Amazon S3), og Amazon OpenSearch-tjeneste kan integreres i en arbeidsflyt som sømløst behandler dokumenter. Deretter dykker vi ned i å indeksere disse dataene i OpenSearch og demonstrerer søkemulighetene som blir tilgjengelige for hånden.
Enten organisasjonen din tar de første skrittene inn i den digitale transformasjonsæraen eller er en etablert gigant som ønsker å hente informasjon i turboladet, er denne guiden ditt kompass for å navigere i mulighetene AWS Intelligent Document Processing og OpenSearch tilbyr.
De gjennomføring brukt i dette innlegget bruker Amazon Textract IDP CDK konstruerer – AWS Cloud Development Kit (CDK)-komponenter for å definere infrastruktur for Intelligent Document Processing (IDP) arbeidsflyter – som lar deg bygge bruksspesifikke tilpassbare IDP-arbeidsflyter. IDP CDK-konstruksjonene og prøvene er en samling komponenter for å muliggjøre definisjon av IDP-prosesser på AWS og publisert til GitHub. Hovedkonseptene som brukes er AWS Cloud Development Kit (CDK) konstruerer, den faktiske CDK stabler og AWS trinnfunksjoner. Verkstedet Bruk maskinlæring for å automatisere og behandle dokumenter i stor skala er et godt utgangspunkt for å lære mer om å tilpasse arbeidsflyter og bruke de andre eksempelarbeidsflytene som en base for din egen.
Løsningsoversikt
I denne løsningen fokuserer vi på å indeksere dokumenter til en OpenSearch-indeks for raskt søk-og-henting av informasjon og dokumenter. Dokumenter i PDF-, TIFF-, JPEG- eller PNG-format legges i en Amazon Simple Storage Service (Amazon S3)-bøtte og deretter indeksert i OpenSearch ved å bruke denne arbeidsflyten for trinnfunksjoner.
De OpenSearchWorkflow-Decider ser på dokumentet og verifiserer at dokumentet er en av de støttede mime-typene (PDF, TIFF, PNG eller JPEG). Den består av en AWS Lambda funksjon.
De DocumentSplitter genererer maksimalt 2500 sider fra dokumenter. Dette betyr at selv om Amazon Textract støtter dokumenter på opptil 3000 sider, kan du sende inn dokumenter med mange flere sider og prosessen fungerer fortsatt fint og legger sidene inn i OpenSearch og lager korrekte sidetall. De DocumentSplitter er implementert som en AWS Lambda-funksjon.
De Karttilstand behandler hver del parallelt.
De TextractAsync oppgave kaller Amazon Textract ved å bruke den asynkrone Application Programming Interface (API) følger beste praksis med Amazon Simple Notification Service (Amazon SNS) varsler og OutputConfig for å lagre Amazon Textract JSON-utdata til en kundes Amazon S3-bøtte. Den består av to Amazon Lambda-funksjoner: en for å sende inn dokumentet for behandling og en som utløses på Amazon SNS-varslingen.
Fordi TextractAsync-oppgaven kan produsere flere paginerte utdatafiler, den TextractAsyncToJSON2 prosessen kombinerer dem til én JSON-fil.
Step Functions-konteksten er beriket med informasjon som også skal være søkbar i OpenSearch-indeksen i SetMetaData steg. Eksempelimplementeringen legger til ORIGIN_FILE_NAME
, START_PAGE_NUMBER
og ORIGIN_FILE_URI
. Du kan legge til all informasjon for å berike søkeopplevelsen, som informasjon fra andre backend-systemer, spesifikke ID-er eller klassifiseringsinformasjon.
De Generer OpenSearchBatch tar den genererte Amazon Textract-utgangen JSON, kombinerer den med informasjonen fra konteksten satt av SetMetaData og forbereder en fil som er optimalisert for batchimport til OpenSearch.
på OpenSearchPushInvoke, sendes denne batchimportfilen til OpenSearch-indeksen og er tilgjengelig for søk. Denne AWS Lambda-funksjonen er koblet til aws-lambda-opensearch konstruere fra AWS-løsninger bibliotek som bruker m6g.large.search-forekomstene, OpenSearch versjon 2.7, og konfigurerte Amazon Elastic Block Service (Amazon EBS) volumstørrelse til General Purpose 2 (GP2) med 200 GB. Du kan endre OpenSearch-konfigurasjonen i henhold til dine krav.
Finalen TaskOpenSearchMapping trinn fjerner konteksten, som ellers kunne overskride Trinn Funksjoner Kvote of Maksimal inn- eller utdatastørrelse for en oppgave, tilstand eller utførelse.
Forutsetninger
For å distribuere prøvene trenger du en AWS-konto , den AWS Cloud Development Kit (AWS CDK), en gjeldende Python-versjon og Docker kreves. Du trenger tillatelser for å distribuere AWS CloudFormation-maler, trykk til Amazon Elastic Container Registry (Amazon ECR), lag Amazon Identity and Access Management (AWS IAM) roller, Amazon Lambda-funksjoner, Amazon S3-bøtter, Amazon Step Functions, Amazon OpenSearch-klynge og en Amazon Cognito brukerpool. Sørg for at din AWS CLI-miljø er satt opp med tilhørende tillatelser.
Du kan også spinne opp en AWS Cloud9 forekomst med AWS CDK, Python og Docker forhåndsinstallert for å starte distribusjonen.
walkthrough
Utplassering
- Etter at du har satt opp forutsetningene, må du først klone depotet:
- Deretter cd inn i depotmappen og installer avhengighetene:
- Distribuer OpenSearchWorkflow-stakken:
Implementeringen tar rundt 25 minutter med standard konfigurasjonsinnstillinger fra GitHub-eksemplene, og skaper en Step Functions-arbeidsflyt, som påkalles når et dokument plasseres i en Amazon S3-bøtte/prefiks og deretter behandles til innholdet i dokumentet er indeksert i en OpenSearch-klynge.
Følgende er et eksempelutgang inkludert nyttige lenker og informasjon generert fracdk deploy OpenSearchWorkflow
kommando:
Denne informasjonen er også tilgjengelig i AWS CloudFormation-konsollen.
Når et nytt dokument er plassert under OpenSearchWorkflow.DocumentUploadLocation, startes en ny arbeidsflyt for trinnfunksjoner for dette dokumentet.
For å sjekke statusen til dette dokumentet, OpenSearchWorkflow.StepFunctionFlowLink gir en lenke til listen over StepFunction-kjøringer i AWS Management Console, som viser statusen til dokumentbehandlingen for hvert dokument lastet opp til Amazon S3. Opplæringen Vise og feilsøke kjøringer på Step Functions-konsollen gir en oversikt over komponentene og visningene i AWS-konsollen.
Testing
- Test først med en eksempelfil.
- Etter å ha valgt koblingen til StepFunction-arbeidsflyten eller åpnet AWS Management Console og gått til Step Functions-tjenestesiden, kan du se på de forskjellige arbeidsflytoppfordringene.
- Ta en titt på den for øyeblikket kjørende eksempeldokumentkjøringen, der du kan følge utførelsen av de individuelle arbeidsflytoppgavene.
Søk
Når prosessen er ferdig, kan vi validere at dokumentet er indeksert i OpenSearch-indeksen.
- For å gjøre det, oppretter vi først en Amazon Cognito-bruker. Amazon Cognito brukes til autentisering av brukere mot OpenSearch-indeksen. Velg koblingen i utdata fra cdk-distribusjonen (eller se på AWS skyformasjon utgang i AWS Management Console) navngitt OpenSearchWorkflow.CognitoUserPoolLink.
- Deretter velger du Opprett bruker knappen, som leder deg til en side for å angi et brukernavn og et passord for å få tilgang til OpenSearch Dashboard.
- Etter å ha valgt Opprett bruker, kan du fortsette til OpenSearch Dashboard ved å klikke på OpenSearchWorkflow.OpenSearch Dashboard fra CDK-distribusjonsutgangen. Logg på med det tidligere opprettede brukernavnet og passordet. Første gang du logger inn, må du endre passordet.
- Når du er logget på OpenSearch Dashboard, velger du Stabelhåndtering seksjon, etterfulgt av Indeksmønsters for å lage en søkeindeks.
- Standardnavnet for indeksen er papir-indeks og et indeksmønsternavn på papirindeks* vil matche det.
- Etter å ha klikket Neste steg, plukke ut tidsstempel som den Tidsfelt og Lag indeksmønster.
- Nå, fra menyen, velg Utforsk.
I de fleste tilfeller må du endre tidsrommet i henhold til siste inntak. Standard er 15 minutter og ofte var det ingen aktivitet de siste 15 minuttene. I dette eksemplet ble det endret til 15 dager for å visualisere inntaket.
- Nå kan du begynne å søke. En roman ble indeksert, du kan søke etter alle termer som kall meg Ismael og se resultatene.
I dette tilfellet begrepet kall meg Ismael vises på side 6 i dokumentet ved den gitte Uniform Resource Identifier (URI), som peker til Amazon S3-plasseringen til filen. Dette gjør det raskere å identifisere dokumenter og finne informasjon på tvers av et stort korpus av PDF-, TIFF- eller bildedokumenter, sammenlignet med å hoppe gjennom dem manuelt.
Løper i skala
For å estimere omfanget og varigheten av en indekseringsprosess, ble implementeringen testet med 93,997 1,583,197 dokumenter og en totalsum på 16.84 3755 5.5 sider (gjennomsnittlig 1 sider/dokument og den største filen med XNUMX sider), som alle ble indeksert i OpenSearch. Å behandle alle filer og indeksere dem til OpenSearch tok XNUMX timer i USA øst (N. Virginia – us-east-XNUMX) med standard Amazon Textract-tjenestekvoter. Grafen nedenfor viser en innledende test kl. 18 etterfulgt av hovedinntak kl. 00 og alt utført innen kl. 21.
For behandlingen, den tcdk.SFExecutionsStartThrottle ble satt til en executions_concurrency_threshold
=550, som betyr at arbeidsflyter for samtidig dokumentbehandling er begrenset til 550 og overskytende forespørsler settes i kø til en Amazon SQS Fist-In-First-Out (FIFO)-kø, som deretter tømmes når gjeldende arbeidsflyter avsluttes. Terskelen på 550 er basert på Textract Service-kvoten på 600 i us-east-1-regionen. Derfor er kødybden og alderen til eldste meldinger verdier som er verdt å overvåke.
I denne testen ble alle dokumenter lastet opp til Amazon S3 på en gang, derfor Omtrentlig antall synlige meldinger har en kraftig økning og deretter en sakte nedgang da ingen nye dokumenter tas inn. De Omtrentlig alder for eldste melding øker til alle meldinger er behandlet. Amazon SQS MessageRetentionPeriod er satt til 14 dager. For svært langvarig etterslep-behandling som kan overstige 14 dagers behandling, start med å behandle et mindre delsett av representative dokumenter og overvåk varigheten av utførelse for å anslå hvor mange dokumenter du kan sende inn før du overskrider 14 dager. Amazon SQS CloudWatch-beregningene ser like ut for et brukstilfelle av å behandle et stort etterslep av dokumenter, som inntas på en gang og deretter behandles fullstendig. Hvis din brukstilfelle er en jevn flyt av dokumenter, kan begge beregningene Omtrentlig antall synlige meldinger og Omtrentlig alder for eldste melding vil være mer lineær. Du kan også bruke terskelparameteren til å blande en jevn belastning med etterslepbehandling og tildele kapasitet i henhold til dine behandlingsbehov.
En annen beregning å overvåke er helsen til OpenSearch-klyngen, som du bør sette opp i henhold til Operasjonelle beste fremgangsmåter for Amazon OpenSearch Service. Standarddistribusjonen bruker m6g.large.search-forekomster.
Her er et øyeblikksbilde av Key Performance Indicators (KPI) for OpenSearch-klyngen. Ingen feil, konstant indekseringsdatahastighet og latens.
Arbeidsflytutførelsene for trinnfunksjoner viser behandlingstilstanden for hvert enkelt dokument. Hvis du ser henrettelser i Mislyktes tilstand, og velg deretter detaljene. En god beregning å overvåke er AWS CloudWatch automatisk dashbord for trinnfunksjoner, som avslører noen av de Trinn Funksjoner CloudWatch-beregninger.
I denne AWS CloudWatch Dashboard-grafen ser du de vellykkede Step Functions-utførelsene over tid.
Og denne viser de mislykkede henrettelsene. Disse er verdt å undersøke gjennom AWS Console Step Functions-oversikten.
Følgende skjermbilde viser ett eksempel på en mislykket kjøring på grunn av at opprinnelsesfilen har en størrelse på 0, noe som er fornuftig fordi filen ikke har noe innhold og ikke kunne behandles. Det er viktig å filtrere mislykkede prosesser og visualisere feil, slik at du kan gå tilbake til kildedokumentet og validere grunnårsaken.
Andre feil kan inkludere dokumenter som ikke er av mime-type: applikasjon/pdf, image/png, image/jpeg eller image/tiff fordi andre dokumenttyper ikke støttes av Amazon Textract.
Kostnad
Den totale kostnaden for å innta 1,583,278 XNUMX XNUMX sider ble delt på AWS-tjenester som ble brukt til implementeringen. Følgende liste fungerer som omtrentlige tall, fordi de faktiske kostnadene og behandlingsvarigheten varierer avhengig av størrelsen på dokumenter, antall sider per dokument, tettheten av informasjon i dokumentene og AWS-regionen. Amazon DynamoDB konsumerte $0.55, Amazon S3 $3.33, OpenSearch Service $14.71, Step Functions $17.92, AWS Lambda $28.95, og Amazon Textract $1,849.97. Husk også at den distribuerte Amazon OpenSearch Service-klyngen faktureres per time og vil akkumulere høyere kostnader når den kjøres over en tidsperiode.
modifikasjoner
Mest sannsynlig vil du endre implementeringen og tilpasse for brukssaken og dokumentene dine. Verkstedet Bruk maskinlæring for å automatisere og behandle dokumenter i stor skala presenterer en god oversikt over hvordan du kan manipulere de faktiske arbeidsflytene, endre flyten og legge til nye komponenter. For å legge til egendefinerte felt i OpenSearch-indeksen, se på SetMetaData oppgave i arbeidsflyten ved hjelp av set-manifest-meta-data-opensearch AWS Lambda-funksjon for å legge til metadata til konteksten, som legges til som et felt i OpenSearch-indeksen. All metadatainformasjon vil bli en del av indeksen.
Rydder opp
Slett eksempelressursene hvis du ikke lenger trenger dem, for å unngå å pådra deg fremtidige kostnader ved å bruke følgende kommando:
i samme miljø som cdk deploy
kommando. Vær oppmerksom på at dette fjerner alt, inkludert OpenSearch-klyngen og alle dokumenter og Amazon S3-bøtten. Hvis du vil opprettholde denne informasjonen, sikkerhetskopierer du Amazon S3-bøtten din og lage et indeksbilde fra OpenSearch-klyngen. Hvis du har behandlet mange filer, må du kanskje tømme Amazon S3-bøtten først ved å bruke AWS Management Console (dvs. etter at du tok en sikkerhetskopi eller synkroniserte dem til en annen bøtte hvis du vil beholde informasjonen), fordi oppryddingsfunksjonen kan timeout og deretter ødelegge AWS CloudFormation-stakken.
konklusjonen
I dette innlegget viste vi deg hvordan du distribuerer en fullstack-løsning for å innta et stort antall dokumenter i en OpenSearch-indeks, som er klare til å brukes for søkebruk. De enkelte komponentene i implementeringen ble diskutert samt skaleringsbetraktninger, kostnader og modifikasjonsmuligheter. All kode er tilgjengelig som OpenSource på GitHub as IDP CDK-prøver og som IDP CDK konstruksjoner å bygge dine egne løsninger fra bunnen av. Som et neste trinn kan du begynne å endre arbeidsflyten, legge til informasjon i dokumentene i søkeindeksen og utforske IDP-verksted. Kommenter nedenfor om dine erfaringer og ideer for å utvide den nåværende løsningen.
om forfatteren
Martin Schade er en Senior ML Product SA med Amazon Textract-teamet. Han har over 20 års erfaring med internett-relaterte teknologier, engineering og arkitektløsninger. Han begynte i AWS i 2014, og veiledet først noen av de største AWS-kundene til den mest effektive og skalerbare bruken av AWS-tjenester, og fokuserte senere på AI/ML med fokus på datasyn. For tiden er han besatt av å trekke ut informasjon fra dokumenter.
- 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. Bil / elbiler, Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- ChartPrime. Hev handelsspillet ditt med ChartPrime. Tilgang her.
- BlockOffsets. Modernisering av eierskap for miljøkompensasjon. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/implement-smart-document-search-index-with-amazon-textract-and-amazon-opensearch/
- : har
- :er
- :ikke
- :hvor
- $3
- $OPP
- 1
- 10
- 100
- 11
- 12
- 13
- 14
- 15%
- 16
- 17
- 20
- 20 år
- 200
- 2014
- 216
- 220
- 25
- 30
- 3000
- 32
- 33
- 7
- 700
- 8
- 820
- 84
- 9
- a
- Om oss
- adgang
- tilgjengelig
- Tilgang
- Ifølge
- Logg inn
- Akkumulere
- nøyaktighet
- tvers
- aktivitet
- faktiske
- legge til
- la til
- legge
- Legger
- Etter
- mot
- alder
- AI / ML
- Alle
- tildele
- tillate
- også
- Amazon
- Amazon Cognito
- Amazon OpenSearch-tjeneste
- amazontekst
- Amazon Web Services
- an
- analytiker
- og
- noen
- api
- vises
- tilnærmet
- ER
- rundt
- AS
- At
- Autentisering
- automatisere
- Automatisk
- automatisk
- tilgjengelig
- gjennomsnittlig
- unngå
- AWS
- AWS skyformasjon
- AWS Lambda
- AWS-administrasjonskonsoll
- tilbake
- Backend
- Backup
- basen
- basert
- BE
- fordi
- bli
- før du
- være
- under
- BEST
- beste praksis
- Bedre
- Beware
- Blokker
- både
- bygge
- knapp
- by
- Samtaler
- CAN
- evner
- Kapasitet
- saken
- saker
- Årsak
- CD
- endring
- endret
- endring
- sjekk
- velge
- klassifisering
- Cloud
- Cluster
- kode
- samling
- skurtreskerne
- kommentere
- Selskaper
- sammenlignet
- Kompass
- konkurranse
- komponenter
- datamaskin
- Datamaskin syn
- konsepter
- samtidig
- Konfigurasjon
- konfigurert
- tilkoblet
- betraktninger
- består
- Konsoll
- konstant
- konstruere
- Container
- innhold
- kontekst
- fortsette
- kontrakter
- korrigere
- Kostnad
- Kostnader
- kunne
- kombinert
- dekke
- skape
- opprettet
- skaper
- kritisk
- Gjeldende
- I dag
- skikk
- kunde
- Kunder
- tilpasses
- tilpasse
- dashbord
- oversikter
- dato
- Dager
- avtale
- Avslå
- Misligholde
- definere
- definisjon
- demonstrere
- avhengig
- avhengig
- utplassere
- utplassert
- distribusjon
- dybde
- ødelegge
- detaljer
- Utvikling
- Dialog
- forskjellig
- digitalt
- Digital Transformation
- oppdage
- diskutert
- visning
- dykk
- do
- Docker
- dokument
- dokumenter
- gjort
- drenert
- to
- varighet
- e
- hver enkelt
- øst
- Edge
- effektiv
- effektivt
- innsats
- Ansatt
- bemyndige
- muliggjøre
- Ingeniørarbeid
- enorm
- berike
- anriket
- Enter
- Miljø
- Era
- feil
- spesielt
- etablert
- anslag
- Selv
- alt
- eksempel
- stige
- stiger
- overskytende
- gjennomføring
- Expand
- erfaring
- utforske
- trekke ut
- Mislyktes
- FAST
- raskere
- felt
- Felt
- Figur
- filet
- Filer
- filtrere
- slutt~~POS=TRUNC
- finansiell
- Finn
- slutt
- tuppene
- ferdig
- Først
- første steg
- første gang
- flyten
- Fokus
- fokuserte
- følge
- fulgt
- etter
- Til
- format
- fra
- fullt
- Full stabel
- fullt
- funksjon
- funksjoner
- framtid
- general
- generert
- genererer
- få
- giganten
- GitHub
- gitt
- Go
- skal
- god
- graf
- veilede
- seletøy
- Ha
- å ha
- he
- Helse
- hjelper
- Høy
- høyere
- svært
- time
- TIMER
- Hvordan
- Hvordan
- Men
- HTML
- HTTPS
- menneskelig
- Human Resources
- i
- Ideer
- identifikator
- identifisere
- Identitet
- ids
- if
- bilde
- iverksette
- gjennomføring
- implementert
- importere
- viktig
- in
- inkludere
- Inkludert
- Øke
- øker
- indeks
- indeksert
- indikatorer
- individuelt
- informasjon
- Infrastruktur
- innledende
- initiere
- inngang
- innsikt
- installere
- f.eks
- integrert
- Intelligent
- Intelligent dokumentbehandling
- inn
- undersøker
- påkalt
- IT
- ble med
- reise
- jpg
- JSON
- Hold
- nøkkel
- stor
- største
- Siste
- Ventetid
- seinere
- LÆRE
- læring
- Bibliotek
- i likhet med
- Sannsynlig
- LINK
- lenker
- Liste
- laste
- plassering
- logget
- Logg inn
- Lang
- lenger
- Se
- ser
- UTSEENDE
- maskin
- maskinlæring
- laget
- Hoved
- vedlikeholde
- Vedlike
- gjøre
- GJØR AT
- ledelse
- manuelt
- mange
- Match
- maksimal
- Kan..
- me
- midler
- Meny
- melding
- meldinger
- metoder
- metrisk
- Metrics
- kunne
- tankene
- minutter
- bland
- ML
- Moderne
- modifisere
- Overvåke
- overvåking
- mer
- mest
- fjell
- flere
- navn
- oppkalt
- navigere
- Trenger
- behov
- Ny
- neste
- Nei.
- varsling
- varslinger
- roman
- Antall
- tall
- of
- tilby
- ofte
- eldste
- on
- gang
- ONE
- åpen
- opensource
- Muligheter
- optimalisert
- alternativer
- or
- rekkefølge
- organisasjon
- opprinnelse
- Annen
- ellers
- ut
- produksjon
- enn
- oversikt
- egen
- side
- sider
- Parallel
- parameter
- del
- passere
- Passord
- Mønster
- mønstre
- betaling
- for
- ytelse
- perioden
- tillatelser
- plato
- Platon Data Intelligence
- PlatonData
- vær så snill
- Point
- poeng
- basseng
- mulig
- Post
- praksis
- forbereder
- forutsetninger
- gaver
- tidligere
- prosess
- Bearbeidet
- Prosesser
- prosessering
- produsere
- Produkt
- Programmering
- foreslått
- gir
- publisert
- formål
- Skyv
- sette
- setter
- Python
- Rask
- raskt
- Sats
- klar
- region
- Rapporter
- Repository
- representant
- forespørsler
- påkrevd
- Krav
- ressurs
- Ressurser
- responsive
- resultere
- Resultater
- beholde
- roller
- root
- Kjør
- rennende
- SA
- samme
- skalerbar
- Skala
- skalering
- skraper
- sømløst
- Søk
- søker
- Seksjon
- se
- søker
- velge
- senior
- forstand
- sendt
- serverer
- tjeneste
- Tjenester
- sett
- innstillinger
- oppsett
- bør
- Vis
- viste
- Viser
- lignende
- Enkelt
- Størrelse
- langsom
- mindre
- Smart
- Snapshot
- So
- løsning
- Solutions
- noen
- kilde
- spesifikk
- fart
- Snurre rundt
- splittet
- stable
- Begynn
- startet
- Start
- Tilstand
- Stater
- status
- jevn
- Trinn
- Steps
- Still
- lagring
- oppbevare
- lagring
- send
- I ettertid
- vellykket
- slik
- Støttes
- Støtter
- sikker
- Systemer
- skreddersydd
- Ta
- tar
- ta
- Oppgave
- oppgaver
- lag
- Technologies
- maler
- begrep
- vilkår
- test
- testet
- tekst
- Det
- De
- Grafen
- informasjonen
- Kilden
- Staten
- deres
- Dem
- deretter
- Der.
- derfor
- Disse
- de
- denne
- selv om?
- terskel
- Gjennom
- til
- tid
- tidkrevende
- til
- tok
- Totalt
- tradisjonelle
- Transformation
- utløst
- tutorial
- to
- typen
- typer
- etter
- enestående
- til
- lastet opp
- us
- bruke
- bruk sak
- brukt
- Bruker
- Brukere
- bruker
- ved hjelp av
- bruker
- VALIDERE
- verdi
- versjon
- veldig
- visninger
- Virginia
- syn
- visualisere
- volum
- volumer
- ønsker
- var
- Vei..
- we
- web
- webtjenester
- VI VIL
- var
- Hva
- når
- hvilken
- vil
- med
- arbeidsflyt
- arbeidsflyt
- virker
- verksted
- Verksteder
- verdt
- år
- Du
- Din
- zephyrnet