Dziś z radością ogłaszamy, że Pączek model jest już dostępny dla klientów korzystających z niego Amazon SageMaker JumpStart. Gemma to rodzina modele językowe w oparciu o modele Google Gemini, wytrenowane na nawet 6 bilionach tokenów tekstowych. Rodzina Gemma składa się z dwóch rozmiarów: modelu o 7 miliardach parametrów i modelu o 2 miliardach parametrów. Teraz możesz korzystać z wstępnie przeszkolonych i dostrojonych instrukcji modeli Gemma 2B i Gemma 7B SageMaker Szybki start. JumpStart to centrum uczenia maszynowego (ML) SageMaker, które zapewnia dostęp do podstawowych modeli, wbudowanych algorytmów i kompleksowych szablonów rozwiązań, które pomogą Ci szybko rozpocząć pracę z ML.
W tym poście opisujemy, jak wdrożyć model Gemma i dostroić go do konkretnych zastosowań w SageMaker JumpStart. Cały notatnik jest dostępny na stronie GitHub.
Modelka Gemmy
Pączek to rodzina lekkich, najnowocześniejszych rozwiązań modele zbudowany w oparciu o te same badania i technologię, co przy tworzeniu Gemini modele. Opracowana przez Google DeepMind i inne zespoły Google, Gemma jest inspirowana Gemini. Gemma wykazuje duże zdolności ogólne w dziedzinach tekstowych oraz najnowocześniejsze umiejętności rozumienia i rozumowania na dużą skalę. Osiąga lepszą wydajność w porównaniu z innymi publicznie dostępnymi modelami o podobnej lub większej skali w różnych dziedzinach, w tym w zakresie odpowiadania na pytania, zdroworozsądkowego rozumowania, matematyki i nauk ścisłych oraz kodowania. Gemma udostępniła wagi modeli, aby wspierać innowacje programistów przy użyciu modeli Gemma. Gemma została wprowadzona na rynek z nowością Odpowiedzialny zestaw narzędzi do generowania sztucznej inteligencji który zapewnia wskazówki i niezbędne narzędzia do tworzenia bezpieczniejszych aplikacji AI za pomocą Gemma.
Modele podstawowe w SageMaker
JumpStart zapewnia dostęp do szeregu modeli z popularnych hubów modeli, w tym Hugging Face, PyTorch Hub i TensorFlow Hub, których możesz używać w swoim przepływie pracy programistycznej ML w SageMaker. Ostatnie postępy w ML dały początek nowej klasie modeli, znanych jako modele fundamentów, które są zwykle szkolone na miliardach parametrów i można je dostosować do szerokiej kategorii przypadków użycia, takich jak streszczanie tekstu, generowanie grafiki cyfrowej i tłumaczenie językowe. Ponieważ trenowanie tych modeli jest drogie, klienci wolą korzystać z istniejących wstępnie wytrenowanych modeli podstawowych i dostosowywać je zgodnie z potrzebami, zamiast samodzielnie szkolić te modele. SageMaker zapewnia wyselekcjonowaną listę modeli, z których możesz wybierać na konsoli SageMaker.
W JumpStart można teraz znaleźć modele fundamentów od różnych dostawców modeli, co umożliwia szybkie rozpoczęcie pracy z modelami fundamentów. Można znaleźć modele podstawowe w oparciu o różne zadania lub dostawców modeli, a także przejrzeć charakterystykę modelu i warunki użytkowania. Możesz także wypróbować te modele, korzystając z widżetu testowego interfejsu użytkownika. Jeśli chcesz używać podstawowego modelu na dużą skalę, możesz to zrobić bez opuszczania programu SageMaker, korzystając z gotowych notatników od dostawców modeli. Ponieważ modele są hostowane i wdrażane w AWS, Twoje dane, niezależnie od tego, czy są wykorzystywane do oceny modelu, czy do wykorzystania go na dużą skalę, nigdy nie są udostępniane stronom trzecim.
Przyjrzyjmy się, jak możesz wykorzystać model Llama Guard w JumpStart.
Poznaj model Gemma w Jumpstart
Dostęp do podstawowych modeli Gemma można uzyskać poprzez SageMaker JumpStart w interfejsie użytkownika SageMaker Studio i w pakiecie SageMaker Python SDK. W tej sekcji omówimy, jak odkryć modele w SageMaker Studio.
SageMaker Studio to zintegrowane środowisko programistyczne (IDE) zapewniające pojedynczy internetowy interfejs wizualny, w którym można uzyskać dostęp do specjalnie zaprojektowanych narzędzi umożliwiających wykonanie wszystkich etapów programowania ML, od przygotowania danych po budowanie, trenowanie i wdrażanie modeli ML. Aby uzyskać więcej informacji na temat rozpoczęcia i konfiguracji SageMaker Studio, zobacz Studio Amazon SageMaker.
W konsoli zarządzania AWS dla SageMaker Studio przejdź do SageMaker JumpStart w obszarze Gotowe i zautomatyzowane rozwiązania. Jumpstart zawiera wstępnie przeszkolone modele, notebooki i gotowe rozwiązania.
Na stronie docelowej SageMaker JumpStart możesz znaleźć model Gemma, wyszukując Gemma.
Następnie możesz wybierać spośród różnych wariantów modelu Gemma, w tym Gemma 2B, Gemma 7B, Gemma 2B instruct i Gemma 7B instruct.
Wybierz kartę modelu, aby wyświetlić szczegółowe informacje na temat modelu, takie jak licencja, dane użyte do uczenia i sposób korzystania z modelu. Znajdziesz tu także Rozmieścić przycisk, który przeniesie Cię do strony docelowej, na której możesz przetestować wnioskowanie na przykładowym ładunku.
Wdróż Gemmę z pakietem SageMaker Python SDK
Kod pokazujący wdrożenie Gemmy można znaleźć na JumpStart oraz przykład wykorzystania wdrożonego modelu w ten notatnik GitHub.
Zacznij od wybrania identyfikatora modelu i wersji modelu SageMaker Model Hub, które będą używane podczas wdrażania oprogramowania Gemma.
Wybierz identyfikator modelu z poniższej tabeli, która zawiera szczegółowe informacje na temat domyślnych opcji konfiguracji dla wdrożenia JumpStart. Ze względu na duży rozmiar słownictwa wynoszący 256 tysięcy tokenów, Gemma 7B może zmieścić się tylko na jednym procesorze graficznym A10G przy obsłudze kontekstu o długości 1 tysiąca. Z tego powodu JumpStart używa większej domyślnej instancji dla Gemma 7B.
ID modelu | Domyślna instancja wnioskowania | Stopień równoległości tensora | Obsługiwana długość kontekstu |
huggingface-llm-gemma-2b | ml.g5.xlarge | 1 | 8k |
huggingface-llm-gemma-2b-instruktaż | ml.g5.xlarge | 1 | 8k |
huggingface-llm-gemma-7b | ml.g5.12xduży | 4 | 8k |
huggingface-llm-gemma-7b-instruktaż | ml.g5.12xduży | 4 | 8k |
Możesz teraz wdrożyć model za pomocą SageMaker JumpStart. Poniższy kod używa instancji domyślnej ml.g5.12xlarge
dla punktu końcowego wnioskowania Można wdrożyć model na innych typach instancji, przekazując instance_type
JumpStartModel
klasa. Wdrożenie może zająć 5–10 minut.
Aby wdrożenie przebiegło pomyślnie, należy ręcznie zmienić plik accept_eula
argument w metodzie wdrażania modelu do True
. Model ten jest wdrażany przy użyciu kontenera uczenia głębokiego generowania tekstu (TGI).
Wywołaj punkt końcowy
Można programowo pobrać przykładowe ładunki z pliku JumpStartModel
obiekt. Pomoże Ci to zacząć od zapoznania się ze wstępnie sformatowanymi instrukcjami, które Gemma może przyswoić.
Zanim przyjrzymy się konkretnym podpowiedziom, przyjrzyjmy się szablonowi czatu dla modeli Gemma Instruct.
Tutaj umieszczasz monit w [USER_PROMPT]
Lokalizacja. Nie ma obsługi instrukcji systemowych; zamiast tego możesz dodać żądaną instrukcję do monitu użytkownika. Dodatkowo, jeśli prowadzisz rozmowę wieloobrotową, w razie potrzeby monit modelu może naprzemiennie wyświetlać użytkownika i asystenta.
Rozważmy teraz kilka przykładowych podpowiedzi. Tutaj prosisz Gemmę o napisanie programu Hello World.
Poniżej przedstawiono oczekiwany wynik:
Następnie poproś Gemmę o twórcze zadanie napisania wiersza.
Poniżej przedstawiono dane wyjściowe:
To wygląda całkiem nieźle!
Teraz przyjrzyjmy się testom porównawczym wydajności w zakresie opóźnień i przepływności dla obsługi modelu z domyślną konfiguracją wdrożenia JumpStart. Tutaj pokazujemy, jak wydajność modelu może się różnić w przypadku typowego obciążenia punktu końcowego. W poniższych tabelach można zaobserwować, że zapytania o małych rozmiarach (256 słów wejściowych i 256 tokenów wyjściowych) są dość wydajne w przypadku dużej liczby jednoczesnych użytkowników, osiągając przepustowość tokenów rzędu tysiąca do dwóch tysięcy tokenów na sekundę. Jednakże, gdy liczba słów wejściowych zbliża się do maksymalnej długości kontekstu obsługiwanej przez Gemmę wynoszącej osiem tysięcy tokenów, punkt końcowy wyczerpuje swoją zdolność przetwarzania wsadowego — liczbę równoczesnych żądań, które mogą być przetwarzane jednocześnie — z powodu ograniczeń związanych z pamięcią instancji.
Aby uzyskać więcej informacji na temat uwzględniania tych informacji i dostosowywania konfiguracji wdrożenia do konkretnego przypadku użycia, zobacz Testuj i optymalizuj wdrażanie punktów końcowych w Amazon SageMaker JumpStart.
. | Przepustowość (tokeny/s) | ||||||||||
Równocześni użytkownicy | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
model | Typ instancji | Wpisz słowa | Tokeny wyjściowe | . | . | . | . | . | . | . | . |
gemma-2b-instruuj | ml.g5.xlarge | 256 | 256 | 73 | 137 | 262 | 486 | 829 | 1330 | 1849 | 1834 |
2048 | 256 | 69 | 126 | 227 | 373 | 537 | 704 | 764 | - | ||
7936 | 256 | 60 | 100 | 147 | 195 | 226 | 230 | - | - | ||
gemma-7b-instruuj | ml.g5.12xduży | 256 | 256 | 62 | 119 | 227 | 413 | 601 | 811 | 937 | 962 |
2048 | 256 | 56 | 100 | 172 | 245 | 267 | 273 | - | - | ||
7936 | 256 | 44 | 67 | 77 | 77 | 78 | - | - | - |
. | Opóźnienie P50 (ms/token) | ||||||||||
Równocześni użytkownicy | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | |||
model | Typ instancji | Wpisz słowa | Tokeny wyjściowe | . | . | . | . | . | . | . | . |
gemma-2b-instruuj | ml.g5.xlarge | 256 | 256 | 13 | 14 | 15 | 16 | 19 | 23 | 33 | 49 |
2048 | 256 | 14 | 15 | 17 | 20 | 28 | 43 | 79 | - | ||
7936 | 256 | 16 | 19 | 26 | 39 | 68 | 136 | - | - | ||
Gemma-7b-instrukcja | ml.g5.12xduży | 256 | 256 | 16 | 16 | 17 | 19 | 26 | 38 | 57 | 110 |
2048 | 256 | 17 | 19 | 23 | 32 | 52 | 119 | - | - | ||
7936 | 256 | 22 | 29 | 45 | 105 | 197 | - | - | - |
Dostosuj Gemmę za pomocą pakietu SageMaker Python SDK
Następnie pokażemy, jak dostroić model instrukcji Gemma 7B na zbiorze danych w formacie konwersacyjnym za pomocą QLoRA technika. Jak wspomniano wcześniej, ze względu na duży rozmiar słownictwa wynoszący 256 tysięcy i długość kontekstu wynoszącą 8 tysięcy, JumpStart oferuje następujące domyślne konfiguracje do dostrajania QLoRA.
ID modelu | Domyślna instancja szkoleniowa | Maksymalna długość sekwencji wejściowej | Na wielkość partii szkoleniowej urządzenia | Stopnie akumulacji gradientu |
huggingface-llm-gemma-2b | ml.g5.2xduży | 1024 | 1 | 4 |
huggingface-llm-gemma-2b-instruktaż | ml.g5.2xduży | 1024 | 1 | 4 |
huggingface-llm-gemma-7b | ml.g5.12xduży | 2048 | 1 | 4 |
huggingface-llm-gemma-7b-instruktaż | ml.g5.12xduży | 2048 | 1 | 4 |
Załadujmy i przetwórzmy zbiór danych w formacie konwersacyjnym. Przykładowy zbiór danych dla tej demonstracji to TOP 1 wątków rozmów OpenAssistant.
Dane szkoleniowe powinny być sformułowane w liniach JSON (.jsonl
), w którym każda linia jest słownikiem reprezentującym zbiór rozmów. Poniżej pokazano jeden przykład w pliku linii JSON. Aby uzyskać szczegółowe informacje na temat przetwarzania zbioru danych, zobacz notatnik w GitHub.
Jako podstawę skryptów szkoleniowych JumpStart wykorzystuje HuggingFace Trener SFT w QLoRA i FlashUwaga. Flash Attention umożliwia efektywne skalowanie, co prowadzi do szybszego uczenia i wnioskowania. Oprócz dostrajania opartego na czacie, JumpStart obsługuje także dostrajanie instrukcji i dostosowywania domeny za pomocą QLoRA. Szczegóły znajdziesz w notatniku GitHub.
Po dostrojeniu można wdrożyć dostrojony model w punkcie końcowym SageMaker.
Możesz wdrożyć model dostosowany do danych konwersacji w punkcie końcowym SageMaker Funkcja API wiadomości HuggingFace jako podejście alternatywne. Zaletą korzystania z funkcji Message API jest to, że umożliwia ona użytkownikom przekazywanie przykładów zapytań w nieprzetworzonym formacie, jak pokazano w poniższej tabeli, a chat_template w punkcie końcowym przekonwertuje przykłady zapytań do odpowiedniego formatu przed wysłaniem ich do modelu. Aby uzyskać szczegółowe informacje, zobacz sekcję dotyczącą wdrażania po dostrojeniu w pliku notatnik.
Po wdrożeniu dopracowanego modelu w punkcie końcowym można porównać odpowiedzi wyjściowe ze wstępnie wytrenowanych i dostrojonych modeli Gemma. Przykłady są zbierane z danych testowych, które stanowią zbiór wstrzymany z danych uczących. Parametry wnioskowania to max_tokens
jako 512, top_p
jako 0.9, temperature
jako 0.4 i top_k
jako 50.
Jak widać po wynikach dostrajania, odpowiedzi agentów są dokładniejsze.
Aby dokładniej ocenić swoje dostrojone modele, możesz eksplorować Ocena FM za pomocą Amazon SageMaker Clarify aby zobaczyć, jak Twój dopracowany model radzi sobie w porównaniu z modelem podstawowym.
Wejścia | podstawowa prawda | Odpowiedź od baza model | Odpowiedź z precyzyjnie dostrojonego modelu | |
1 |
Użytkownik: Chcę popracować nad swoim słownictwem. Czy możesz mi podać kilka prostych sposobów na znalezienie nowych słów, których będę mógł użyć, aby zwiększyć różnorodność moich zdań? Asystent: Jasne! Udoskonalanie słownictwa to proces ciągły, ale oto kilka prostych sposobów na znalezienie nowych słów i zwiększenie różnorodności zdań: 1. Czytaj szeroko: czytanie książek, artykułów i blogów z różnych gatunków i tematów pozwala na poznanie nowych słów i wyrażeń. Zapisz wszystkie nieznane słowa, które napotkasz i sprawdź ich znaczenie. 2. Korzystaj ze słownika wyrazów bliskoznacznych: Kiedy piszesz lub czytasz, korzystaj ze słownika wyrazów bliskoznacznych, aby znaleźć synonimy powszechnie używanych słów. Pomaga to nie tylko w nauce nowych słów, ale także poprawia zrozumienie ich subtelnych różnic w znaczeniu. 3. Kalendarze lub aplikacje zawierające słowo dziennie: zasubskrybuj wiadomość e-mail zawierającą słowo dziennie lub pobierz aplikację do budowania słownictwa. Narzędzia te codziennie zapoznają Cię z nowym słowem wraz z jego znaczeniem, wymową i przykładami użycia. 4. Dołącz do klubu książki lub grupy dyskusyjnej: angażowanie się w rozmowy i dyskusje na temat książek, artykułów lub innych tematów pozwala poznać różne perspektywy i nowe słownictwo. Słuchaj uważnie innych i próbuj używać nowych słów w kontekście. 5. Graj w gry słowne: Gry takie jak Scrabble, Boggle i krzyżówki rzucają wyzwanie Twoim umiejętnościom słownictwa i pomagają Ci uczyć się nowych słów w przyjemny sposób. 6. Oglądaj filmy, programy telewizyjne lub filmy dokumentalne: W mediach wizualnych często używany jest różnorodny język, slang i żargon. Oglądanie filmów, programów telewizyjnych lub filmów dokumentalnych z napisami może pomóc Ci lepiej zrozumieć i zapamiętać nowe słowa. 7. Ćwicz pisanie: Regularne pisanie opowiadań, esejów lub wpisów do dziennika zachęca cię do używania nowych słów i wyrażeń. Eksperymentuj z różnymi stylami i gatunkami pisania, aby poszerzyć swoje słownictwo. 8. Naucz się etymologii nowego słowa: Zrozumienie pochodzenia i historii słowa może ułatwić jego zapamiętanie i prawidłowe użycie. Badanie etymologii naraża Cię również na powiązane słowa i pojęcia. 9. Używaj fiszek lub oprogramowania do powtórek w odstępach: Twórz fiszki z nowymi słowami, ich znaczeniami i przykładowymi zdaniami. Przeglądaj je regularnie lub korzystaj z oprogramowania do powtórek interwałowych, takiego jak Anki, aby zoptymalizować naukę. 10. Wyznaczaj osobiste cele: Wyznaczaj osiągalne cele, takie jak nauka pięciu nowych słów tygodniowo. Śledź swoje postępy i nagradzaj się za osiągnięcie swoich celów. Konsekwentnie włączając te strategie do swojej codziennej rutyny, stopniowo zbudujesz różnorodne i solidne słownictwo. Użytkownik: Hm, naprawdę podoba mi się pomysł czytania. Czy możesz mi polecić jakiś fajny thriller science-fiction, który mógłbym przeczytać? |
Asystent: Jasne! Oto kilka rekomendacji thrillerów science-fiction, które mogą Ci się spodobać: 1. „Problem trzech ciał” Liu Cixina – ta wielokrotnie nagradzana powieść bada pierwszy kontakt ludzkości z obcą cywilizacją oraz wynikające z tego konsekwencje polityczne i osobiste. To porywająca i skłaniająca do myślenia lektura, która zagłębia się w głębokie pytania dotyczące natury istnienia i wszechświata. 2. „Annihilation” Jeffa Vandermeera – powieść opowiada o grupie naukowców wyruszających na tajemniczy obszar znany jako „Obszar X”, gdzie napotykają dziwne i niepokojące zjawiska. W miarę zagłębiania się w ten obszar zaczynają odkrywać mroczne sekrety natury rzeczywistości i otaczającego ich świata. 3. „Ciemna materia” Blake’a Croucha – powieść opowiada historię genialnego fizyka Jasona Dessena, który zostaje uprowadzony i przeniesiony do równoległego wszechświata. Próbując odnaleźć drogę powrotną do własnej rzeczywistości, musi stawić czoła własnym wyborom i konsekwencjom swoich działań. 4. „Szczep Andromedy” Michaela Crichtona – Ta klasyczna powieść opowiada historię zespołu naukowców, którzy próbują powstrzymać i zbadać śmiercionośny pozaziemski mikrob, który wylądował na Ziemi. Ścigając się z czasem, aby znaleźć sposób na zneutralizowanie drobnoustroju, muszą także stawić czoła intrygom politycznym i konfliktom osobistym. 5. „Ready Player One” Ernesta Cline’a – akcja tej powieści rozgrywa się w dystopijnej przyszłości, w której większość populacji spędza czas w świecie wirtualnej rzeczywistości znanym jako OASIS. Kiedy twórca OASIS umiera i pozostawia po sobie wyzwanie polegające na odnalezieniu ukrytego jajka wielkanocnego, młody bohater wyrusza na ekscytującą wyprawę, która na zawsze zmieni jego życie. Mam nadzieję, że któraś z tych rekomendacji wzbudzi Twoje zainteresowanie! |
Asystent: Tekst nie zawiera informacji o Twoich preferencjach czytelniczych i zainteresowaniach, dlatego nie mogę polecić Ci książki. |
Asystent: Jasne, oto kilka rekomendacji thrillerów science-fiction, które mogą Ci się spodobać: – „Diuna” Franka Herberta: Akcja tej epickiej powieści science-fiction rozgrywa się na pustynnej planecie Arrakis, gdzie młody książę imieniem Paul Atreides musi stawić czoła wyzwaniom wrogiego środowiska i zdradzieckiego krajobrazu politycznego. – „Marsjanin” Andy’ego Weira: Ten porywający thriller science fiction opowiada historię Marka Watneya, astronauty, który utknął na Marsie po burzy piaskowej, wykorzystując swoją pomysłowość i zaradność, aby przetrwać i ostatecznie wrócić na Ziemię. – „Wehikuł czasu” HG Wellsa: Ta klasyczna powieść science fiction przyjmuje filozoficzne podejście do koncepcji podróży w czasie, badając konsekwencje zmiany przeszłości i przyszłości. – „Łowca androidów” Philipa K. Dicka: Ta powieść science-fiction w stylu neo-noir, której akcja rozgrywa się w futurystycznym Los Angeles, bada skrzyżowanie ludzkiej i sztucznej inteligencji oraz jej wpływ na społeczeństwo i naturę rzeczywistości. – „Androidy” Isaaca Asimova: Ta powieść science-fiction bada koncepcję sztucznej inteligencji i jej potencjalne konsekwencje, szczególnie gdy ludzie opracowują zaawansowane androidy, które rzucają wyzwanie tradycyjnym ludzkim wartościom i przekonaniom. To tylko kilka sugestii, a ostatecznie to, która książka będzie dla Ciebie najlepsza, będzie zależeć od Twoich osobistych preferencji i rodzaju wrażeń, jakich szukasz w thrillerze science-fiction. Mam jednak nadzieję, że te rekomendacje będą dobrym punktem wyjścia do odkrywania tego gatunku. Jeśli masz dalsze pytania lub jeśli jest coś, w czym mogę Ci pomóc, daj mi znać. |
2 |
Użytkownik: Napisz program Hello World w VB.NET Asystent: Proszę bardzo: „`vbnet Użytkownik: Spraw, aby pobierał dane wejściowe z $, a następnie powiedz „Hello, $” zamiast „Hello, World!” |
Asystent: Moduł publiczny HelloWorld Publiczna podrzędna główna() System.Console.WriteLine(„Jak masz na imię?”) Nazwa dim As String = System.Console.ReadLine() System.Console.WriteLine(„Witam, ” i nazwa i „!”) End Sub Moduł końcowy |
Asystent: „`vbnet Moduł publiczny HelloWorld Publiczna podrzędna główna() Nazwa dim As String = Console.ReadLine() Console.WriteLine(„Witam” i imię) End Sub Moduł końcowy |
Asystent: Jasne! Oto przykład: „`vbnet |
3 |
Użytkownik: Daj mi listę rzeczy do zrobienia, rozpoczynając projekt mający na celu wytrenowanie dużego modelu językowego, który może rozumieć ludzkie pytania i odpowiadać na nie Asystent: Poniższe kroki to skrócona lista kroków, które należy wykonać rozpoczynając projekt mający na celu wyszkolenie dużego modelu językowego zdolnego do zrozumienia ludzkich zapytań i odpowiadania na nie: 1. Ustal zakres i cele projektu oraz grupę docelową. To powinno dać ci podstawowe pojęcie o wymaganych krokach. Czy powinienem bardziej szczegółowo omówić jeden z punktów? Użytkownik: Zadania te wymagają dalszego podziału. Czy mógłbyś dostarczyć zaktualizowaną listę rzeczy do zrobienia z bardziej szczegółowym zestawieniem nadchodzących zadań |
Asystent: Oto bardziej szczegółowy opis każdego kroku: 1. Ustal zakres i cele projektu: Ważne jest, aby jasno określić cele projektu i grupę docelową. Pomoże Ci to w podjęciu decyzji dotyczących rodzaju gromadzonych danych i odpowiedniej architektury modelu. 2. Zbierz i wstępnie przetwórz dane: jest to ważny krok, ponieważ jakość i różnorodność danych będzie miała bezpośredni wpływ na wydajność modelu. Przetwarzanie wstępne może obejmować czyszczenie danych, tokenizację tekstu i konwertowanie słów na reprezentacje numeryczne. 3. Wybierz architekturę modelu: Istnieje wiele różnych typów modeli do wyboru, w tym rekurencyjne sieci neuronowe (RNN), modele transformatorów i splotowe sieci neuronowe (CNN). Wybór będzie zależał od konkretnych wymagań projektu i ilości dostępnych danych. 4. Podziel zbiór danych i zaimplementuj powiększanie danych: Podział danych na podzbiory uczące, walidacyjne i testujące jest ważne dla monitorowania wydajności modelu podczas uczenia. Powiększanie danych można wykorzystać do sztucznego zwiększenia rozmiaru zbioru danych i poprawy odporności modelu. 5. Trenuj model i monitoruj postęp: Ten krok obejmuje szkolenie modelu na danych szkoleniowych, przy użyciu zestawu walidacyjnego do monitorowania postępu i dostosowywania hiperparametrów w razie potrzeby. Może być konieczne kilkukrotne powtórzenie tego procesu, aż model będzie dobrze działał na zestawie walidacyjnym. 6. Oceń model na zestawie testowym: Po wytrenowaniu modelu ważne jest, aby ocenić jego działanie na oddzielnym zestawie testowym, aby uzyskać pojęcie o jego zdolności do generalizacji. Można tego dokonać poprzez porównanie przewidywań modelu z rzeczywistymi wynikami i analizę błędów. 7. Dostosuj do konkretnych zadań lub domen: ten krok obejmuje dalsze szkolenie modelu na danych specyficznych dla zadania, aby poprawić jego wydajność w określonej domenie. Można tego dokonać poprzez uczenie się transferowe, gdzie wstępnie wytrenowany model jest dostrajany na nowych danych, lub poprzez dostrajanie, w którym model jest szkolony od podstaw na nowych danych. 8. Utwórz interfejs do wprowadzania danych przez użytkownika: obejmuje to zaprojektowanie interfejsu, który umożliwia użytkownikom wprowadzanie pytań lub próśb oraz otrzymywanie odpowiedzi od modelu. 9. Testuj w kontrolowanym środowisku: Przed wdrożeniem modelu w świecie rzeczywistym ważne jest przetestowanie go w kontrolowanym środowisku i zebranie opinii od użytkowników. Pomoże to zidentyfikować wszelkie błędy lub błędy w modelu i zapewni możliwości ulepszeń. 10. Stale monitoruj i ulepszaj wydajność: Wreszcie ważne jest ciągłe monitorowanie wydajności modelu i wprowadzanie aktualizacji i ulepszeń, jeśli to konieczne. Może to obejmować ponowne uczenie modelu na nowych danych, dostrajanie hiperparametrów lub aktualizację architektury. |
Asystent: ## Lista zadań do wytrenowania modelu dużego języka w zakresie odpowiadania na pytania **1. Zakres i cele projektu:** * Zdefiniuj cele projektu i pożądane funkcjonalności. **2. Pozyskiwanie i wstępne przetwarzanie danych:** * Zidentyfikuj źródła danych szkoleniowych i zbierz zróżnicowany zestaw danych tekstowych. **3. Wybór modelu i konfiguracja:** * Wybierz odpowiednią architekturę modelu w oparciu o złożoność zadania i pożądaną wydajność. **4. Szkolenia i ocena:** * Podziel dane szkoleniowe na podzbiory szkoleniowe, walidacyjne i testowe. **5. Dostrajanie i rozwój interfejsu:** * Dostosuj model do konkretnych zadań lub dziedzin poprzez uczenie się transferowe. **6. Testowanie i doskonalenie:** * Przetestuj model w kontrolowanym środowisku z różnymi scenariuszami wejściowymi. **Dodatkowe uwagi:** * Ustal harmonogram i budżet projektu. **Uwaga:** Ta lista nie jest wyczerpująca i może wymagać dostosowania w oparciu o konkretne wymagania projektu. |
Asystent: Jasne, oto bardziej szczegółowy podział zadań związanych z uczeniem dużego modelu językowego w celu zrozumienia ludzkich pytań i odpowiadania na nie: **1. Ustal zakres i cele projektu** **2. Zbierz i wstępnie przetwórz kompleksowy/zróżnicowany zestaw danych tekstowych** **3. Wybierz odpowiednią architekturę modelu, dostosuj hiperparametry pod kątem dokładności/szybkości** **4. Podziel zbiór danych na podzbiory szkoleniowe, walidacyjne, testowe, zaimplementuj rozszerzanie danych** **5. Trenuj model, monitoruj postęp zestawu walidacyjnego, dostosowuj w razie potrzeby** **6. Oceń model na zestawie testowym, porównaj z wzorcami, analizuj błędy i uprzedzenia** **7. Dostosuj do określonych zadań lub dziedzin poprzez naukę transferu lub dostrajanie** **8. Utwórz interfejs dla danych wejściowych użytkownika i odpowiedzi modelu** **9. Testuj w kontrolowanym środowisku, zbieraj opinie w celu ulepszenia** **10. Stale monitoruj i poprawiaj wydajność poprzez przekwalifikowanie i dostrajanie** Oto etapy uczenia dużego modelu językowego w zakresie rozumienia ludzkich pytań i odpowiadania na nie. Jeśli masz pytanie, daj mi znać. |
Sprzątać
Po przetestowaniu punktów końcowych usuń punkty końcowe wnioskowania SageMaker i model, aby uniknąć naliczania opłat.
Wnioski
W tym poście pokazaliśmy, jak rozpocząć pracę z Gemmą w SageMaker Studio i wdrożyć model na potrzeby wnioskowania. Pokazaliśmy także, jak można dostroić modele Gemma w SageMaker Jumpstart.
Ponieważ modele podstawowe są wstępnie wytrenowane, mogą pomóc w obniżeniu kosztów szkoleń i infrastruktury oraz umożliwić dostosowanie do konkretnego przypadku użycia. Aby rozpocząć, odwiedź teraz SageMaker JumpStart w SageMaker Studio.
Niniejsze wskazówki służą wyłącznie celom informacyjnym. Powinieneś nadal przeprowadzać własną niezależną ocenę i podejmować środki w celu zapewnienia, że przestrzegasz własnych praktyk i standardów kontroli jakości, a także lokalnych zasad, praw, regulacji, licencji i warunków użytkowania, które mają zastosowanie do ciebie, twoich treści i model strony trzeciej, do którego odwołuje się niniejszy przewodnik. AWS nie sprawuje kontroli ani władzy nad modelem strony trzeciej, o którym mowa w niniejszych wskazówkach, i nie składa żadnych oświadczeń ani gwarancji, że model strony trzeciej jest bezpieczny, wolny od wirusów, operacyjny lub zgodny ze środowiskiem produkcyjnym i standardami użytkownika. AWS nie składa żadnych oświadczeń, zapewnień ani gwarancji, że jakiekolwiek informacje zawarte w niniejszych wskazówkach doprowadzą do określonego rezultatu lub rezultatu.
O autorach
dr Kyle Ulrich jest naukowcem z Wbudowane algorytmy Amazon SageMaker zespół. Jego zainteresowania badawcze obejmują skalowalne algorytmy uczenia maszynowego, wizję komputerową, szeregi czasowe, nieparametryczne Bayesa i procesy Gaussa. Jego doktorat uzyskał na Uniwersytecie Duke'a i publikował artykuły w czasopismach NeurIPS, Cell i Neuron.
Dr Xin Huang jest starszym naukowcem zajmującym się wbudowanymi algorytmami Amazon SageMaker JumpStart i Amazon SageMaker. Koncentruje się na rozwijaniu skalowalnych algorytmów uczenia maszynowego. Jego zainteresowania badawcze obejmują obszar przetwarzania języka naturalnego, wyjaśnialne głębokie uczenie się na danych tabelarycznych oraz solidną analizę nieparametrycznego grupowania czasoprzestrzennego. Opublikował wiele artykułów na konferencjach ACL, ICDM, KDD i Royal Statistical Society: Series A.
Rachna Czadha jest głównym architektem rozwiązań AI/ML w obszarze kont strategicznych w AWS. Rachna jest optymistką, która wierzy, że etyczne i odpowiedzialne wykorzystanie sztucznej inteligencji może w przyszłości ulepszyć społeczeństwo i zapewnić dobrobyt gospodarczy i społeczny. W wolnym czasie Rachna lubi spędzać czas z rodziną, wędrować i słuchać muzyki.
Evana Kravitza jest inżynierem oprogramowania w Amazon Web Services, pracującym nad SageMaker JumpStart. Lubi gotować i biegać w Nowym Jorku.
Dr Ashish Khetan jest starszym naukowcem z wbudowanymi algorytmami Amazon SageMaker i pomaga rozwijać algorytmy uczenia maszynowego. Doktoryzował się na University of Illinois Urbana-Champaign. Jest aktywnym badaczem uczenia maszynowego i wnioskowania statystycznego oraz opublikował wiele artykułów na konferencjach NeurIPS, ICML, ICLR, JMLR, ACL i EMNLP.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/gemma-is-now-available-in-amazon-sagemaker-jumpstart/
- :ma
- :Jest
- :nie
- :Gdzie
- $W GÓRĘ
- 1
- 10
- 100
- 11
- 13
- 135
- 17
- 19
- 1900
- 250
- 28
- 29
- 31
- 39
- 41
- 50
- 7
- 8
- 9
- a
- zdolność
- O nas
- powyżej
- Akceptuj
- dostęp
- dostępność
- Konto
- Konta
- akumulacja
- precyzja
- dokładny
- osiągalny
- Osiąga
- nabycie
- w poprzek
- działania
- aktywny
- rzeczywisty
- adaptacja
- dodatek
- do tego
- dostosować
- zaawansowany
- zaliczki
- Po
- przed
- Agent
- AI
- AI / ML
- samolot
- Algorytmy
- obcy
- Wszystkie kategorie
- dopuszczać
- dozwolony
- pozwala
- wzdłuż
- również
- alternatywny
- Amazonka
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon Web Services
- ilość
- an
- analiza
- w czasie rzeczywistym sprawiają,
- ćwiczenie
- Analizując
- i
- i infrastruktura
- andromeda
- Angeles
- Ogłosić
- odpowiedź
- sekretarka
- odpowiedzi
- każdy
- wszystko
- api
- Aplikacja
- aplikacje
- stosowany
- Aplikuj
- podejście
- awanse
- właściwy
- mobilne i webowe
- architektura
- SĄ
- POWIERZCHNIA
- obszary
- argument
- na około
- Sztuka
- towary
- sztuczny
- sztuczna inteligencja
- AS
- zapytać
- oszacowanie
- Asystent
- astronauta
- At
- publiczność
- władza
- zautomatyzowane
- dostępny
- uniknąć
- Wielokrotnie nagradzana
- AWS
- Konsola zarządzania AWS
- z powrotem
- zrównoważony
- baza
- na podstawie
- podstawowy
- partie
- Bayesian
- BE
- bo
- zanim
- rozpocząć
- za
- jest
- wierzenia
- uważa,
- poniżej
- Benchmarkingu
- Benchmarki
- korzyści
- oprócz
- BEST
- Ulepsz Swój
- pomiędzy
- stronniczość
- uprzedzenia
- Miliard
- miliardy
- NÓŻ
- Blokować
- Blog
- blogi
- Kwitnąć
- ciało
- książka
- Książki
- awaria
- błyskotliwy
- przynieść
- Bringing
- Przynosi
- Złamany
- budżet
- budować
- Budowanie
- wybudowany
- wbudowany
- ale
- przycisk
- by
- kalendarze
- wezwanie
- nazywa
- CAN
- nie może
- brezentowy
- możliwości
- zdolny
- karta
- walizka
- Etui
- Kategoria
- ostrożność
- komórka
- wyzwanie
- wyzwania
- zmiana
- Charakterystyka
- Opłaty
- pogawędzić
- Wykrywanie urządzeń szpiegujących
- wybór
- wybory
- Dodaj
- Miasto
- Civilization
- klasa
- klasyczny
- kleń
- Sprzątanie
- wyraźnie
- kliknij
- klub
- klastrowanie
- kod
- Kodowanie
- współpraca
- byliśmy spójni, od początku
- powszechnie
- porównać
- w porównaniu
- porównanie
- porównanie
- zgodny
- kompletny
- złożoności
- kompleksowość
- wykonania
- komputer
- Wizja komputerowa
- pojęcie
- Koncepcje
- równoległy
- konferencje
- systemu
- konflikty
- Konsekwencje
- Rozważać
- Rozważania
- wobec
- konsekwentnie
- składa się
- Konsola
- stały
- Ograniczenia
- skontaktuj się
- zawierać
- Pojemnik
- zawiera
- walczyć
- zawartość
- kontekst
- bez przerwy
- kontrola
- kontrolowanych
- Rozmowa
- konwersacyjny
- rozmowy
- konwertować
- 轉換
- Chłodny
- prawidłowo
- Koszty:
- mógłby
- Stwórz
- Tworzenie
- Twórczy
- twórca
- krzyżówka
- kurator
- ciekawy
- Aktualny
- Klientów
- dostosowywanie
- codziennie
- taniec
- Ciemny
- dane
- zbiory danych
- dzień
- Decyzje
- głęboko
- głęboka nauka
- głębiej
- DeepMind
- Domyślnie
- określić
- Definiuje
- sięgać
- zagłębia się
- demonstracja
- zależeć
- rozwijać
- wdrażane
- wdrażanie
- Wdrożenie
- PUSTYNIA
- Wnętrze
- projektowanie
- życzenia
- detal
- szczegółowe
- detale
- Ustalać
- rozwijać
- rozwinięty
- Deweloper
- rozwijanie
- oprogramowania
- urządzenie
- diagnozowanie
- Dialog
- różnić się
- Różnice
- różne
- cyfrowy
- Sztuka cyfrowa
- bezpośrednio
- katalog
- odkryj
- dyskusja
- dyskusje
- choroby
- nurkować
- inny
- Różnorodność
- podzielić
- do
- dokument
- dokumentalne
- robi
- domena
- domeny
- zrobić
- na dół
- pobieranie
- z powodu
- Książę
- uniwersytet książęcy
- podczas
- Kurz
- dystopian
- każdy
- Ziemia
- łatwiej
- efektywność
- osiem
- Imperium
- umożliwiać
- Umożliwia
- umożliwiając
- spotkanie
- zachęca
- koniec końców
- Punkt końcowy
- ujmujący
- inżynier
- Poprawia
- cieszyć się
- przyjemny
- zapewnić
- Środowisko
- EPICKI
- Błędy
- niezbędny
- zapewniają
- etyczny
- oceniać
- oceny
- ewaluację
- ostatecznie
- Każdy
- przykład
- przykłady
- podniecony
- wszechstronny
- eksponaty
- istnienie
- Przede wszystkim system został opracowany
- Rozszerzać
- spodziewany
- drogi
- doświadczenie
- eksperyment
- eksperci
- odkryj
- odkrywa
- Exploring
- Twarz
- uczciwość
- fałszywy
- członków Twojej rodziny
- szybciej
- Cecha
- informacja zwrotna
- stopy
- kilka
- pole
- walka
- filet
- W końcu
- Znajdź
- Ustalenia
- w porządku
- i terminów, a
- pierwszy kontakt
- dopasować
- pięć
- Migać
- lot
- koncentruje
- następujący
- następujący sposób
- W razie zamówieenia projektu
- na zawsze
- format
- Fundacja
- Framework
- szczery
- od
- funkcjonować
- funkcjonalności
- Funkcjonalność
- funkcjonowanie
- dalej
- przyszłość
- futurystyczny
- Games
- zbierać
- Gemini
- generujący
- generatywny
- generatywna sztuczna inteligencja
- rodzaj
- gatunki
- otrzymać
- GitHub
- Dać
- dany
- Go
- Gole
- będzie
- dobry
- Google'a
- got
- GPU
- dzięki
- stopniowo
- wspaniały
- Wielka moc
- Zarządzanie
- gwarancji
- osłona
- poradnictwo
- poprowadzi
- przewodnictwo
- ręka
- uprząż
- Have
- he
- wysokość
- cześć
- pomoc
- pomaga
- jej
- tutaj
- Ukryty
- jego
- historia
- nadzieję
- hostowane
- W jaki sposób
- How To
- Jednak
- HTML
- HTTPS
- Piasta
- koncentratory
- Przytulanie twarzy
- człowiek
- Ludzkość
- Ludzie
- i
- ID
- pomysł
- zidentyfikować
- if
- Illinois
- zdjęcia
- Rezultat
- wdrożenia
- realizacja
- importować
- ważny
- podnieść
- poprawa
- ulepszenia
- poprawy
- in
- zawierać
- Włącznie z
- włączenie
- Zwiększać
- niezależny
- przemysł
- standardy przemysłowe
- wpływ
- Informacja
- Informacyjna
- Infrastruktura
- pomysłowość
- Innowacja
- wkład
- Wejścia
- Zapytania
- spostrzeżenia
- inspirowane
- przykład
- zamiast
- integrować
- zintegrowany
- Inteligencja
- zamiar
- wzajemne oddziaływanie
- zainteresowania
- Interfejs
- skrzyżowanie
- najnowszych
- przedstawiać
- intuicyjny
- angażować
- zaangażowany
- dotyczy
- IT
- szt
- JEGO
- żargon
- przystąpić
- dziennik
- podróż
- jpg
- json
- właśnie
- Trzymać
- Uprzejmy
- Wiedzieć
- wiedza
- znany
- Kyle
- lądowanie
- krajobraz
- język
- duży
- większe
- Utajenie
- uruchomiona
- Laws
- prowadzący
- UCZYĆ SIĘ
- nauka
- uczy się
- pozostawiając
- Długość
- niech
- poziom
- Dźwignia
- Licencja
- licencje
- życie
- błyskawica
- Prędkość światła
- lekki
- lubić
- lubi
- Linia
- linie
- Lista
- słuchać
- Słuchanie
- słucha
- Lama
- załadować
- miejscowy
- lokalizacja
- Popatrz
- poszukuje
- WYGLĄD
- im
- Los Angeles
- niższy
- maszyna
- uczenie maszynowe
- Większość
- robić
- złośliwy
- i konserwacjami
- ręcznie
- wiele
- znak
- marzec
- matematyka
- maksymalny
- Może..
- me
- znaczenie
- znaczenia
- środków
- Media
- lekarstwo
- Spotkanie
- wzmiankowany
- wiadomość
- wiadomości
- metoda
- Michał
- może
- nic
- minut
- ML
- model
- modele
- Moduł
- monitor
- monitorowanie
- jeszcze
- większość
- Kino
- Muzyka
- musi
- my
- tajemniczy
- Nazwa
- O imieniu
- Naturalny
- Przetwarzanie języka naturalnego
- Natura
- niezbędny
- Potrzebować
- potrzebne
- wymagania
- sieci
- nerwowy
- sieci neuronowe
- nigdy
- Nowości
- I Love New York
- nowy jork
- noc
- Nie
- noty
- notatnik
- powieść
- już dziś
- numer
- oaza
- przedmiot
- Cele
- obserwować
- of
- Oferty
- często
- on
- pewnego razu
- ONE
- trwający
- tylko
- operacyjny
- Szanse
- optymalizacja
- Optymalizacja
- Opcje
- or
- zamówienie
- pochodzenie
- OS
- Inne
- Pozostałe
- na zewnątrz
- Wynik
- wyniki
- wydajność
- koniec
- własny
- strona
- Papiery
- Parallel
- parametr
- parametry
- szczególny
- szczególnie
- strony
- przechodzić
- Przechodzący
- Przeszłość
- ścieżka
- wzory
- Paweł
- Ludzie
- dla
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- wykonywania
- wykonuje
- osobisty
- perspektywy
- PhD
- Zwroty
- fizyk
- pilot
- Miejsce
- planeta
- plany
- plato
- Analiza danych Platona
- PlatoDane
- Grać
- gracz
- Proszę
- punkt
- zwrotnica
- polityczny
- Popularny
- populacja
- Post
- potencjał
- power
- praktyka
- praktyki
- Przewidywania
- Urządzenie prognozujące
- preferencje
- przygotowanie
- bardzo
- poprzednio
- Książę
- Główny
- wydruki
- wygląda tak
- Obrobiony
- procesów
- przetwarzanie
- Produkcja
- Program
- Postęp
- projekt
- monity
- właściwy
- dobrobyt
- zapewniać
- dostawców
- zapewnia
- publiczny
- publicznie
- opublikowany
- cele
- Puzzle
- Python
- płomień
- jakość
- zapytania
- pytanie
- poszukiwanie
- pytanie
- pytania
- szybko
- całkiem
- Wyścig
- konsekwencje
- zasięg
- raczej
- Surowy
- osiągnięcie
- Czytaj
- Czytający
- Prawdziwy świat
- Rzeczywistość
- naprawdę
- królestwo
- powód
- otrzymać
- niedawny
- Rekomendacja
- zalecenia
- polecający
- nawracający
- odniesienie
- odwołanie
- odzwierciedla
- regularnie
- regulamin
- związane z
- wydany
- pamiętać
- powtarzać
- reprezentowanie
- wywołań
- wymagany
- wymagania
- Badania naukowe
- badacz
- Odpowiadać
- odpowiadanie
- odpowiedź
- Odpowiedzi
- odpowiedzialność
- odpowiedzialny
- dalsze
- Efekt
- przeglądu
- Nagradzać
- Rosnąć
- krzepki
- krzepkość
- Rola
- rutyna
- królewski
- reguły
- run
- działa
- s
- bezpieczniej
- sagemaker
- Wnioskowanie SageMakera
- taki sam
- Zapisz
- powiedzieć
- skalowalny
- Skala
- waga
- skalowaniem
- scenariusze
- sci-fi
- nauka
- Naukowiec
- Naukowcy
- zakres
- zadraśnięcie
- scenariusz
- skrypty
- Sdk
- bezszwowy
- poszukiwania
- druga
- tajniki
- Sekcja
- bezpieczne
- widzieć
- wybierać
- wybrany
- wybierając
- wybór
- wysyłanie
- senior
- oddzielny
- Sekwencja
- Serie
- Seria A
- Usługi
- służąc
- Sesja
- zestaw
- Zestawy
- ustawienie
- kilka
- shared
- powinien
- pokazać
- pokazał
- seans
- pokazane
- Targi
- bok
- podobny
- Prosty
- pojedynczy
- Rozmiar
- rozmiary
- umiejętności
- So
- Obserwuj Nas
- Społeczeństwo
- Tworzenie
- Software Engineer
- rozwiązanie
- Rozwiązania
- kilka
- Źródła
- Sparks
- specyficzny
- prędkość
- Spędzanie
- spędza
- stoisko
- standardy
- rozpoczęty
- Startowy
- Stan
- state-of-the-art
- Zestawienie sprzedaży
- statystyczny
- Ewolucja krok po kroku
- Cel
- Nadal
- historie
- burza
- Historia
- dziwny
- Strategiczny
- strategie
- sznur
- silny
- studio
- Badanie
- subskrybuj
- napisy na filmie obcojęzycznym
- udany
- taki
- odpowiedni
- wsparcie
- Utrzymany
- Wspierający
- podpory
- pewnie
- przetrwać
- system
- stół
- Brać
- trwa
- opowieść
- cel
- cele
- Zadanie
- zadania
- zespół
- Zespoły
- technika
- Techniki
- Technologia
- szablon
- Szablony
- tensorflow
- REGULAMIN
- test
- przetestowany
- Testowanie
- XNUMX
- niż
- że
- Połączenia
- Strefa
- Przyszłość
- świat
- ich
- Im
- sami
- następnie
- Tam.
- w związku z tym
- Te
- one
- Trzeci
- osoby trzecie
- innych firm
- to
- tych
- myśl
- Dający do myślenia
- tysiąc
- porywający
- Przez
- wydajność
- czas
- Szereg czasowy
- podróż w czasie
- Oś czasu
- czasy
- do
- żeton
- tokenizacja
- Żetony
- powiedział
- narzędzie
- narzędzia
- aktualny
- Kwota produktów:
- śledzić
- tradycyjny
- Pociąg
- przeszkolony
- Trening
- przenieść
- Przesyłanie
- transformator
- Tłumaczenie
- podróżować
- Trylion
- prawdziwy
- próbować
- melodia
- tuned
- strojenie
- tv
- drugiej
- rodzaj
- typy
- typowy
- zazwyczaj
- ui
- Ostatecznie
- odkryć
- dla
- zrozumieć
- zrozumienie
- nieznany
- Wszechświat
- uniwersytet
- niezrównany
- aż do
- odsłonięcie
- zaktualizowane
- Nowości
- aktualizowanie
- us
- użyteczność
- Stosowanie
- posługiwać się
- przypadek użycia
- używany
- Użytkownik
- łatwy w obsłudze
- Użytkownicy
- zastosowania
- za pomocą
- uprawomocnienie
- Wartości
- różnorodność
- różnorodny
- przedsięwzięcie
- wersja
- Zobacz i wysłuchaj
- Wirtualny
- Wirtualna rzeczywistość
- wizja
- Odwiedzić
- wizualny
- Media wizualne
- Tom
- spacer
- chcieć
- gwarancje
- była
- Oglądaj
- oglądania
- Droga..
- sposoby
- we
- sieć
- usługi internetowe
- Web-based
- tydzień
- DOBRZE
- Wells
- Co
- Co to jest
- jeśli chodzi o komunikację i motywację
- ilekroć
- czy
- który
- KIM
- szeroki
- szeroko
- widget
- będzie
- mądrość
- w
- w ciągu
- bez
- słowo
- słowa
- Praca
- workflow
- pracujący
- świat
- napisać
- pisanie
- X
- york
- You
- młody
- Twój
- siebie
- zefirnet