Amazon SageMaker JumpStart to centrum uczenia maszynowego (ML) oferujące algorytmy, modele i rozwiązania ML. Dzięki SageMaker JumpStart praktycy ML mogą wybierać z rosnącej listy najlepiej działających i publicznie dostępnych modele fundamentów (FM), takie jak BLOOM, Lama 2, Sokół-40B, Stabilna dyfuzja, OtwórzLLaMA, Flan-T5/UL2lub FM z Przystać do siebie i Światło włączone.
W tym poście i dołączonym notatniku pokazujemy, jak wdrożyć model podstawowy BloomZ 176B za pomocą Uproszczony SDK SageMaker Pythona in Amazon SageMaker JumpStart jako punkt końcowy i używać go do różnych zadań związanych z przetwarzaniem języka naturalnego (NLP). Możesz także uzyskać dostęp do modeli fundamentów przez Studio Amazon SageMaker. Model BloomZ 176B, jeden z największych publicznie dostępnych modeli, to najnowocześniejszy model dostrojony do instrukcji, który może wykonywać różne zadania NLP uczenia się metodą kilku i zero strzałów w kontekście. Dostrajanie instrukcji to technika polegająca na dostrajaniu modelu języka na zbiorze zadań NLP przy użyciu instrukcji. Aby dowiedzieć się więcej o dostrajaniu instrukcji, patrz Monitowanie o zero-shot dla modelu podstawowego Flan-T5 w Amazon SageMaker JumpStart.
Nauka zero-shot w NLP pozwala wstępnie przeszkolonemu LLM na generowanie odpowiedzi na zadania, do których nie został specjalnie przeszkolony. W tej technice model jest dostarczany z tekstem wejściowym i podpowiedzią opisującą oczekiwane dane wyjściowe z modelu w języku naturalnym. Nauka zero-shot jest wykorzystywana w różnych zadaniach NLP, takich jak:
- Wielojęzyczna klasyfikacja tekstu i nastrojów
- Wielojęzyczne pytania i odpowiedzi
- Generowanie kodu
- Przeformułowanie akapitu
- Podsumowanie
- Zdroworozsądkowe rozumowanie i wnioskowanie w języku naturalnym
- Odpowiadanie na pytania
- Klasyfikacja zdań i uczuć
- Wyimaginowane generowanie artykułów na podstawie tytułu
- Podsumowanie tytułu na podstawie artykułu
Uczenie się kilku ujęć polega na szkoleniu modelu do wykonywania nowych zadań poprzez podanie tylko kilku przykładów. Jest to przydatne, gdy do trenowania dostępne są ograniczone dane z etykietami. Uczenie się w kilku pokazach jest wykorzystywane w różnych zadaniach, w tym w następujących:
- Podsumowanie tekstu
- Generowanie kodu
- Rozpoznawanie jednostek nazw
- Odpowiadanie na pytania
- Korekta gramatyczna i ortograficzna
- Opis produktu i uogólnienie
- Klasyfikacja zdań i uczuć
- Chatbot i konwersacyjna sztuczna inteligencja
- Generacja tweetów
- Tłumaczenie maszynowe
- Klasyfikacja intencji
O Bloomie
BigScience Large Open-science Open-access Multilingual (BLOOM) to wielkoformatowy model językowy (LLM) oparty na transformatorach. BLOOM to autoregresyjny LLM wyszkolony do kontynuacji tekstu z monitu o ogromne ilości danych tekstowych przy użyciu zasobów obliczeniowych na skalę przemysłową. W związku z tym jest w stanie wygenerować spójny tekst, który trudno odróżnić od tekstu napisanego przez ludzi. BLOOM można również poinstruować, aby wykonywał zadania tekstowe, do których nie został wyraźnie przeszkolony, rzucając je jako zadania generowania tekstu.
Dzięki 176 miliardom parametrów BLOOM jest w stanie wygenerować tekst w 46 językach naturalnych i 13 językach programowania. Dla prawie wszystkich z nich, takich jak hiszpański, francuski i arabski, BLOOM jest pierwszym modelem języka z ponad 100 miliardami parametrów, jakie kiedykolwiek stworzono. Naukowcy mogą pobieraj, uruchamiaj i ucz się BLOOM w celu zbadania wydajności i zachowania niedawno opracowanych LLM aż do ich najgłębszych operacji wewnętrznych.
Omówienie rozwiązania
W tym poście pokazujemy, jak korzystać z najnowocześniejszego, dostrojonego do instrukcji modelu BloomZ 176B firmy Przytulanie Twarzy do generowania tekstu. Możesz użyć modelu BloomZ 176B z uczeniem kilku strzałów i uczenia się zero strzałów dla wielu zadań NLP, bez dostrajania modelu. Nie ma potrzeby trenowania nowego modelu, ponieważ modele takie jak BloomZ 176B mają znaczną liczbę parametrów, dzięki czemu mogą łatwo dostosować się do wielu kontekstów bez ponownego szkolenia. Model BloomZ 176B został przeszkolony przy użyciu dużej ilości danych, dzięki czemu nadaje się do wielu zadań ogólnego przeznaczenia.
Kod dla wszystkich kroków w tym demo jest dostępny poniżej notatnik.
Strojenie instrukcji
Rozmiar i złożoność LLM eksplodowały w ciągu ostatnich kilku lat. LLM wykazały niezwykłe zdolności w nauce semantyki języka naturalnego i wytwarzaniu odpowiedzi podobnych do ludzkich. Wiele ostatnich LLM jest dopracowanych za pomocą potężnej techniki zwanej strojenie instrukcji, co pomaga modelowi wykonywać nowe zadania lub generować odpowiedzi na nowe monity bez dostrajania specyficznego dla monitów. Model dostrojony do instrukcji wykorzystuje swoje zrozumienie powiązanych zadań lub koncepcji do generowania prognoz dla nowych monitów. Ponieważ ta technika nie obejmuje aktualizacji wag modeli, pozwala uniknąć czasochłonnego i kosztownego obliczeniowo procesu wymaganego do precyzyjnego dostrojenia modelu do nowego, wcześniej niewidzianego zadania.
Dostrajanie instrukcji polega na dostrajaniu modelu języka na zbiorze zadań NLP przy użyciu instrukcji. W tej technice model jest szkolony do wykonywania zadań, wykonując instrukcje tekstowe zamiast określonych zestawów danych dla każdego zadania. Model jest dostrajany za pomocą zestawu przykładów danych wejściowych i wyjściowych dla każdego zadania, dzięki czemu model może uogólniać nowe zadania, które nie zostały wyraźnie przeszkolone, o ile dla zadań są dostępne monity. Dostrajanie instrukcji pomaga poprawić dokładność i efektywność modeli oraz jest przydatne w sytuacjach, gdy duże zestawy danych nie są dostępne dla określonych zadań.
Szybka inżynieria dla zadań NLP zero-shot i kilku-shot w modelach BLOOM
Szybka inżynieria zajmuje się tworzeniem wysokiej jakości podpowiedzi, aby poprowadzić model w kierunku pożądanych odpowiedzi. Monity muszą być zaprojektowane w oparciu o konkretne zadanie i używany zestaw danych. Celem jest dostarczenie modelowi niezbędnych informacji do generowania wysokiej jakości odpowiedzi przy jednoczesnej minimalizacji szumów. Może to obejmować słowa kluczowe, dodatkowe konteksty, pytania i nie tylko.
Dobrze zaprojektowany monit może uczynić model bardziej kreatywnym i uogólnionym, dzięki czemu można go łatwo dostosować do nowych zadań. Podpowiedzi mogą również pomóc we włączeniu wiedzy z domeny do określonych zadań i poprawić interpretację. Szybka inżynieria może znacznie poprawić wydajność modeli uczenia się zero-shot i kilku-shot. Tworzenie podpowiedzi wysokiej jakości wymaga starannego rozważenia danego zadania, a także głębokiego zrozumienia mocnych stron i ograniczeń modelu.
W poniższej tabeli model BloomZ 176B jest używany do generowania odpowiedzi dla różnych zadań NLP zerowych i kilkukrotnych. Pierwsza kolumna pokazuje zadanie, druga kolumna zawiera monit dostarczony do modelu (gdzie tekst szablonu jest pogrubiony, a tekst bez pogrubienia to przykładowe dane wejściowe), a trzecia kolumna to odpowiedź modelu na zapytanie dotyczące monitu
Dla wszystkich poniższych zadań ustawiliśmy hiperparametry na 600 max_length
, num_return_sequences
, top_k
być 250, top_p
0.95 i bez pobierania próbek.
Zadanie | Szybkie wprowadzanie | Wydajność |
Zadania uczenia się bez strzału | ||
Wielojęzyczna klasyfikacja tekstu lub nastrojów (z chińskiego na angielski) | 一个传奇的开端,一个不灭的神话,这不仅仅是一部电影,而是作为一个走进新时代的标签,永远彪炳史册。Czy oceniłbyś poprzednią recenzję jako pozytywną, neutralną czy negatywną? | pozytywny |
Wielojęzyczne odpowiadanie na pytania (z angielskiego na chiński) | Wyjaśnij mi po chińsku tradycyjnym co to jest wsteczna propagacja | 梯度反向传播算法是一种机器学习算法, 用于训练人工神经网络。该算法使用梯度下降来最小化损失函数。 |
Generowanie kodu | Napisać drzewo wyszukiwania binarnego z O(log(n)) złożoność obliczeniowa. {kod_start} |
def wyszukiwanie_binarne(a, x): niski = 0 wysoki = len(a) – 1 podczas gdy niski <= wysoki: średni = (niski + wysoki) // 2 jeśli a[mid] < x: niski = średni + 1 elif a[mid] > x: wysoki = średni – 1 jeszcze: powrót w połowie zwrot -1′ ... jeszcze: powrót w połowie powrót niski' Dane wyjściowe są obcinane |
Przeformułowanie akapitu | Amazon Web Services (AWS) ogłosił dziewięć głównych nowych aktualizacji swojej opartej na chmurze platformy uczenia maszynowego, SageMaker. SageMaker ma na celu zapewnienie usługi uczenia maszynowego, której można używać do budowania, trenowania i wdrażania modeli ML dla praktycznie każdego przypadku użycia. Podczas tegorocznej konferencji re:Invent firma AWS ogłosiła kilka zapowiedzi mających na celu dalsze udoskonalanie możliwości SageMaker.nnJak ująłbyś to krótko, używając języka angielskiego?,Amazon Web Services (AWS) ogłosił dziewięć głównych nowych aktualizacji swojej opartej na chmurze platformy uczenia maszynowego, SageMaker. SageMaker ma na celu zapewnienie usługi uczenia maszynowego, której można używać do budowania, trenowania i wdrażania modeli ML dla praktycznie każdego przypadku użycia. Podczas tegorocznej konferencji re:Invent firma AWS ogłosiła kilka zapowiedzi mających na celu dalsze udoskonalanie możliwości SageMaker. NPowyższe zdanie jest bardzo skomplikowane. Podaj mi uproszczoną wersję synonimiczną składającą się z wielu zdań: |
Amazon SageMaker otrzymuje dużą aktualizację Amazon Web Services (AWS) ogłosił dziewięć głównych nowych aktualizacji swojej opartej na chmurze platformy uczenia maszynowego, SageMaker. SageMaker ma na celu zapewnienie usługi uczenia maszynowego, której można używać do budowania, trenowania i wdrażania modeli ML dla praktycznie każdego przypadku użycia |
Podsumowanie | Amazon Comprehend wykorzystuje przetwarzanie języka naturalnego (NLP) do wydobywania informacji na temat treści dokumentów. Rozwija spostrzeżenia, rozpoznając jednostki, frazy kluczowe, język, nastroje i inne wspólne elementy w dokumencie. Wykorzystaj Amazon Comprehend do tworzenia nowych produktów w oparciu o zrozumienie struktury dokumentów. Na przykład za pomocą Amazon Comprehend możesz przeszukiwać kanały sieci społecznościowych pod kątem wzmianek o produktach lub skanować całe repozytorium dokumentów w poszukiwaniu kluczowych fraz. Dostęp do funkcji analizy dokumentów Amazon Comprehend można uzyskać za pomocą konsoli Amazon Comprehend lub za pomocą interfejsów API Amazon Comprehend. Możesz przeprowadzać analizę w czasie rzeczywistym dla małych obciążeń lub uruchamiać zadania analizy asynchronicznej dla dużych zestawów dokumentów. Możesz użyć wstępnie wyszkolonych modeli, które zapewnia Amazon Comprehend, lub możesz wyszkolić własne niestandardowe modele do klasyfikacji i rozpoznawania jednostek. Wszystkie funkcje Amazon Comprehend akceptują dokumenty tekstowe UTF-8 jako dane wejściowe. Ponadto niestandardowa klasyfikacja i niestandardowe rozpoznawanie jednostek akceptują jako dane wejściowe pliki graficzne, pliki PDF i pliki programu Word. Amazon Comprehend może badać i analizować dokumenty w różnych językach, w zależności od konkretnej funkcji. Aby uzyskać więcej informacji, zobacz Języki obsługiwane w Amazon Comprehend. Funkcja dominującego języka Amazon Comprehend może badać dokumenty i określać dominujący język dla znacznie szerszego wyboru języków.nn===nNapisz streszczenie poprzedniego tekstu po angielsku: |
Amazon Comprehend wykorzystuje przetwarzanie języka naturalnego (NLP) do wydobywania informacji na temat treści dokumentów. Rozwija spostrzeżenia, rozpoznając jednostki, frazy kluczowe, język, nastroje i inne wspólne elementy w dokumencie. Wykorzystaj Amazon Comprehend do tworzenia nowych produktów w oparciu o zrozumienie struktury dokumentów. Na przykład za pomocą Amazon Comprehend możesz przeszukiwać kanały sieci społecznościowych pod kątem wzmianek o produktach lub skanować całe repozytorium dokumentów w poszukiwaniu kluczowych fraz. Dostęp do funkcji analizy dokumentów Amazon Comprehend można uzyskać za pomocą konsoli Amazon Comprehend lub za pomocą interfejsów API Amazon Comprehend. Możesz przeprowadzać analizę w czasie rzeczywistym dla małych obciążeń lub uruchamiać zadania analizy asynchronicznej dla dużych zestawów dokumentów. Możesz użyć wstępnie wyszkolonych modeli, które zapewnia Amazon Comprehend, lub możesz wyszkolić własne niestandardowe modele do klasyfikacji i rozpoznawania jednostek. Wszystkie funkcje Amazon Comprehend akceptują dokumenty tekstowe UTF-8 jako dane wejściowe. Ponadto niestandardowa klasyfikacja i niestandardowe rozpoznawanie jednostek akceptują jako dane wejściowe pliki graficzne, pliki PDF i pliki programu Word. Amazon Comprehend może badać i analizować dokumenty w różnych językach, w zależności od konkretnej funkcji. Aby uzyskać więcej informacji, zobacz Języki obsługiwane w Amazon Comprehend. Funkcja dominującego języka Amazon Comprehend może badać dokumenty i określać dominujący język dla znacznie szerszego wyboru języków. |
Zdroworozsądkowe rozumowanie i wnioskowanie w języku naturalnym | Jeśli się uwzględni W Los Angeles w Stanach Zjednoczonych rozpoczęły się mistrzostwa świata. Czy to wynika Mistrzostwa Świata odbywają się w Stanach Zjednoczonych. Tak lub nie?, W Los Angeles w Stanach Zjednoczonych rozpoczęły się mistrzostwa świata. Korzystanie tylko z powyższego opisu i tego, co wiesz o świecie, jest „Mundial odbywa się w Stanach Zjednoczonych” zdecydowanie poprawne? Tak lub nie?, |
Tak |
Odpowiadanie na pytania | pytanie: jakie są kluczowe cechy nowego Kindle'a?nnKontekst: Najnowszy i najbardziej innowacyjny Kindle pozwala robić notatki w milionach książek i dokumentów, pisać listy i dzienniki i nie tylko. Czytelnikom, którzy zawsze chcieli pisać w swoich e-bookach, nowy Kindle firmy Amazon umożliwia właśnie to. Kindle Scribe to pierwszy Kindle do czytania i pisania, który pozwala użytkownikom uzupełniać książki i dokumenty notatkami, listami i nie tylko. Oto wszystko, co musisz wiedzieć o Kindle Scribe, w tym często zadawane pytania. Kindle Scribe ułatwia czytanie i pisanie, tak jak na papierze Kindle Scribe ma 10.2-calowy, nieoślepiający ekran (największy ze wszystkich urządzeń Kindle), wyraźną rozdzielczość 300 ppi i 35 przednich świateł LED, które automatycznie dostosowują się do otoczenia. Spersonalizuj swoje wrażenia dzięki regulowanemu ciepłemu światłu, rozmiarom czcionek, odstępom między wierszami i nie tylko. Jest dostarczany z piórem podstawowym lub piórem premium, którego używasz do pisania na ekranie, tak jak na papierze. Przyczepiają się również magnetycznie do Kindle i nigdy nie trzeba ich ładować. Pióro Premium zawiera dedykowaną gumkę i konfigurowalny przycisk skrótu. Kindle Scribe ma najwięcej opcji przechowywania ze wszystkich urządzeń Kindle: wybierz spośród 8 GB, 16 GB lub 32 GB, aby dopasować się do swojego poziomu czytania i pisania. nnOdpowiedź |
robić notatki w milionach książek i dokumentów, pisać listy i czasopisma i nie tylko |
Klasyfikacja zdań i uczuć | Recenzja: nTen film jest tak wspaniały i po raz kolejny nas olśniewa i zachwycanCzy to zdanie z recenzji filmu jest negatywne czy pozytywne?nOPCJE:n-dodatni n-ujemny | Pozytywy |
Wyimaginowane generowanie artykułów na podstawie tytułu | Tytuł: „Uniwersytet ma nową placówkę”nBiorąc pod uwagę powyższy tytuł wyimaginowanego artykułu, wyobraź sobie ten artykuł.n””” |
Projekt o wartości 1.2 miliona funtów przewiduje utworzenie nowego centrum nauczania i uczenia się na Uniwersytecie Highlands and Islands (UHI) w Inverness. Zostanie zbudowany na miejscu dawnej Inverness College of Commerce. UHI powiedział, że nowy obiekt będzie wykorzystywany do nauczania i uczenia się, a także do obsługi studentów i administracji. Uniwersytet powiedział, że będzie również używany do konferencji i wydarzeń. Nowy budynek powstanie na miejscu dawnej Inverness College of Commerce Uniwersytet powiedział, że nowy budynek zostanie zbudowany na miejscu dawnego Inverness College of Commerce, który został zamknięty w 2013 roku. Powiedział, że nowy obiekt będzie wykorzystywany do nauczania i uczenia się, a także do obsługi studentów i administracji. Byłby również używany do organizacji konferencji i wydarzeń. UHI powiedział, że nowy obiekt zostanie zbudowany na miejscu dawnego Inverness College of Commerce Uniwersytet powiedział, że nowy budynek zostanie zbudowany na miejscu dawnego Inverness College of Commerce, który został zamknięty w 2013 roku. Powiedział, że nowy obiekt będzie wykorzystywany do nauczania i uczenia się, a także do obsługi studentów i administracji. UHI powiedział, że nowy obiekt powstanie na terenie dawnego Inverness… |
Podsumowanie tytułu na podstawie artykułu | „Najnowszy i najbardziej innowacyjny Kindle pozwala robić notatki w milionach książek i dokumentów, pisać listy i dzienniki i nie tylko. Czytelnikom, którzy zawsze chcieli pisać w swoich e-bookach, nowy Kindle firmy Amazon umożliwia właśnie to. Kindle Scribe to pierwszy Kindle do czytania i pisania, który pozwala użytkownikom uzupełniać książki i dokumenty notatkami, listami i nie tylko. Oto wszystko, co musisz wiedzieć o Kindle Scribe, w tym często zadawane pytania. Kindle Scribe ułatwia czytanie i pisanie, tak jak na papierze Kindle Scribe ma 10.2-calowy, nieoślepiający ekran (największy ze wszystkich urządzeń Kindle), wyraźną rozdzielczość 300 ppi i 35 przednich świateł LED, które automatycznie dostosowują się do otoczenia. Spersonalizuj swoje wrażenia dzięki regulowanemu ciepłemu światłu, rozmiarom czcionek, odstępom między wierszami i nie tylko. Jest dostarczany z piórem podstawowym lub piórem premium, którego używasz do pisania na ekranie, tak jak na papierze. Przyczepiają się również magnetycznie do Kindle i nigdy nie trzeba ich ładować. Pióro Premium zawiera dedykowaną gumkę i konfigurowalny przycisk skrótu. Kindle Scribe ma najwięcej opcji przechowywania ze wszystkich urządzeń Kindle: wybierz spośród 8 GB, 16 GB lub 32 GB, aby dopasować się do swojego poziomu czytania i pisania. nn nnPodaj mi dobry tytuł powyższego artykułu. |
Amazon Kindle Scribe: wszystko, co musisz wiedzieć |
Kilka zadań edukacyjnych | ||
Podsumowanie | [Oryginał]: Naukowcy Amazona, we współpracy z naukowcami z University of Sheffield, po raz pierwszy udostępniają publicznie zestaw danych do ekstrakcji i weryfikacji faktów na dużą skalę. Zbiór danych, obejmujący ponad 185,000 XNUMX twierdzeń popartych dowodami, jest udostępniany, aby, miejmy nadzieję, przyspieszyć badania i rozwój, które rozwiązują problemy wydobywania i weryfikacji faktów w aplikacjach lub usługach opartych na chmurze, które wykonują automatyczną ekstrakcję informacji. [Podsumowanie]: Badacze z Amazon i University udostępniają publicznie zestaw danych do ekstrakcji i weryfikacji faktów. # # # [Oryginał]: Członkowie Prime w USA mogą otrzymać jeszcze więcej z dostawą do domu dzięki członkostwu Prime. Członkowie mogą teraz bezpłatnie korzystać z rocznej usługi Grubhub+ o wartości 9.99 USD miesięcznie — bez dodatkowych kosztów w stosunku do członkostwa Prime. Aby aktywować tę ofertę, odwiedź stronę amazon.com/grubhub. Ta nowa oferta obejmuje nieograniczone opłaty za dostawę żywności w wysokości 0 USD przy zamówieniach powyżej 12 USD, a także ekskluzywne korzyści dla członków Grubhub + i nagrody, takie jak bezpłatne jedzenie i rabaty na zamówienia. Ponadto goście mogą „jeść dobrze, czyniąc dobro”, przystępując do programu Grubhub Donate the Change, inicjatywy polegającej na dopasowywaniu darowizn, która zebrała ponad 25 milionów dolarów w samym 2021 roku, z korzyścią dla ponad 20 organizacji charytatywnych w całym kraju. [Podsumowanie]: Członkowie Prime w USA mogą korzystać przez rok z Grubhub+ za darmo, bez opłat za dostawę żywności w przypadku kwalifikujących się zamówień. # # # [Oryginał]: Naukowcy Amazona, we współpracy z naukowcami z University of Sheffield, po raz pierwszy udostępniają publicznie zestaw danych do ekstrakcji i weryfikacji faktów na dużą skalę. Zbiór danych, obejmujący ponad 185,000 XNUMX twierdzeń popartych dowodami, jest udostępniany, aby, miejmy nadzieję, przyspieszyć badania i rozwój, które rozwiązują problemy wydobywania i weryfikacji faktów w aplikacjach lub usługach opartych na chmurze, które wykonują automatyczną ekstrakcję informacji. [Streszczenie]: |
[Streszczenie]: Badacze z Amazona i uniwersytetu udostępniają publicznie zbiór danych dotyczących ekstrakcji i weryfikacji faktów. |
Generowanie kodu | opis: pomarańczowy przycisk z napisem stop kod: Zatrzymaj się # # # opis: niebieskie pudełko zawierające żółte kółka z czerwonymi obwódkami kod: # # # opis: nagłówek o treści Witamy w AI kod: |
kod: Witamy w AI ' |
Rozpoznawanie jednostek nazw | [Tekst]: Fred jest seryjnym przedsiębiorcą. Współzałożyciel i CEO Platform.sh, wcześniej był współzałożycielem Commerce Guys, wiodącego dostawcy e-commerce na Drupalu. Jego misją jest zagwarantowanie, że kontynuując ambitną podróż mającą na celu głęboką zmianę sposobu korzystania i postrzegania przetwarzania w chmurze, będziemy twardo stąpać po ziemi, kontynuując szybki wzrost, którym cieszyliśmy się do tej pory. [Imię]: Fred [Stanowisko]: współzałożyciel i dyrektor generalny [Firma]: Platform.sh # # # [Tekst]: Firma Microsoft (słowo będące połączeniem „oprogramowania mikrokomputerowego”) została założona przez Billa Gatesa 4 kwietnia 1975 r. w celu opracowania i sprzedaży interpreterów BASIC dla Altair 8800. Steve Ballmer zastąpił Gatesa na stanowisku dyrektora generalnego w 2000 r., a później przewidział strategię „urządzeń i usług”. [Imię]: Steve Ballmer [Stanowisko]: dyrektor generalny [Firma]: Microsoft # # # [Tekst]: Franck Riboud urodził się 7 listopada 1955 roku w Lyonie. Jest synem Antoine'a Ribouda, poprzedniego CEO, który przekształcił byłego europejskiego producenta szkła BSN Group w wiodącego gracza w branży spożywczej. Jest prezesem firmy Danone. [Imię]: Franck Riboud [Stanowisko]: dyrektor generalny [Firma]: Danone # # # [Tekst]: David Melvin jest specjalistą ds. inwestycji i usług finansowych w CITIC CLSA z ponad 30-letnim doświadczeniem w bankowości inwestycyjnej i private equity. Obecnie jest starszym doradcą CITIC CLSA. |
[Imię]: Fred [Stanowisko]: współzałożyciel i dyrektor generalny [Firma]: Platform.sh |
Odpowiadanie na pytania | Kontekst: Firma NLP Cloud została założona w 2021 r., kiedy zespół zdał sobie sprawę, że nie ma łatwego sposobu na niezawodne wykorzystanie przetwarzania języka naturalnego w produkcji. Pytanie: Kiedy powstała NLP Cloud? Odpowiedź 2021 # # # Kontekst: NLP Cloud opracowało swoje API do połowy 2020 roku i od tego czasu dodało wiele wstępnie wytrenowanych modeli open source. Pytanie: Co opracował NLP Cloud? Odpowiedź: API # # # Kontekst: Wszystkie plany można zatrzymać w dowolnym momencie. Płacisz tylko za czas korzystania z usługi. W przypadku obniżenia, otrzymasz zniżkę na kolejną fakturę. Pytanie: Kiedy można wstrzymać plany? Odpowiedź: w każdej chwili # # # Kontekst: głównym wyzwaniem związanym z GPT-J jest zużycie pamięci. Zalecane jest korzystanie z planu GPU. Pytanie: Który plan jest zalecany dla GPT-J? Odpowiedź:""" |
Odpowiedź: Plan GPU' |
Korekta gramatyczna i ortograficzna | Uwielbiam chodzić na plażę. Poprawka: uwielbiam chodzić na plażę. # # # Pozwól mi to mieć! Korekta: Daj mi to! # # # Ma zbyt wiele wad. Korekta: Ma zbyt wiele wad. # # # nie chcę iść korekta: |
Poprawka: nie chcę iść |
Opis produktu i uogólnienie | Wygeneruj opis produktu ze słów kluczowych. Słowa kluczowe: buty, kobiety, 59 USD Zdanie: Piękne buty damskie w cenie 59 dolarów. # # # Słowa kluczowe: spodnie, mężczyźni, 69 USD Zdanie: Nowoczesne spodnie męskie za jedyne 69 USD. # # # Słowa kluczowe: rękawiczki, zima, $19 Zdanie: Niesamowicie gorące rękawiczki na mroźne zimy, za 19 USD. # # # Słowa kluczowe: koszulka, mężczyźni, 39 USD Zdanie: |
Zdanie: Fajna koszulka męska za jedyne 39 USD. |
Klasyfikacja zdań i uczuć | Wiadomość: Kiedy statek kosmiczny wylądował na Marsie, cała ludzkość była podekscytowana Temat: kosmos # # # Wiadomość: Uwielbiam grać w tenisa i golfa. Ćwiczę dwa razy w tygodniu. Temat: sport # # # Wiadomość: Zarządzanie zespołem sprzedawców to ciężka, ale satysfakcjonująca praca. Temat: biznes # # # Wiadomość: Próbuję ugotować kurczaka z pomidorami. Wątek: |
Temat: jedzenie |
Chatbot i konwersacyjna sztuczna inteligencja | To jest dyskusja między [człowiekiem] a [robotem]. [Robot] jest bardzo miły i empatyczny. [człowiek]: Cześć, miło cię poznać. [robot]: Ciebie też miło poznać. # # # [człowiek]: Jak leci dzisiaj? [robot]: Nie tak źle, dziękuję! Jak o tobie? # # # [człowiek]: Wszystko w porządku, ale trochę mi smutno… [robot]: Och? Dlaczego to? # # # [człowiek]: Złapałem grypę [robot]: |
[robot]: O nie, przykro mi to słyszeć! |
Generacja tweetów | słowo kluczowe: rynki tweet: Zbieraj informacje zwrotne od natury i rynków, a nie od ludzi # # # słowo kluczowe: dzieci tweet: Może umrzemy, abyśmy mogli wrócić jako dzieci. # # # słowo kluczowe: startupy tweet: Startupy nie powinny martwić się, jak gasić pożary, powinny martwić się, jak je rozpalić. # # # słowo kluczowe: nlp ćwierkać: |
tweet: NLP to narzędzie, a nie cel. |
Tłumaczenie maszynowe | Hugging Face to rewolucja NLP. Tłumaczenie: Przytulanie twarzy zrewolucjonizowało NLP. # # # Cela jest nie do pokonania! Tłumaczenie: To niewiarygodne! # # # Désolé je ne peux pas. Tłumaczenie: Przepraszam, ale nie mogę. # # # NLP Cloud zezwala na wdrażanie NLP i narzędzia produkcyjne. Tłumaczenie: |
Tłumaczenie: NLP Cloud ułatwia wdrożenie NLP w środowisku produkcyjnym. |
Klasyfikacja intencji | Chcę zacząć kodować jutro, ponieważ wydaje się to być zabawne! Zamiar: zacznij kodować # # # Pokaż ostatnie zdjęcia jakie masz. Cel: pokaż zdjęcia # # # Przeszukaj wszystkie te pliki tak szybko, jak to możliwe. Cel: wyszukaj pliki # # # Czy możesz mnie nauczyć chińskiego w przyszłym tygodniu? Zamiar: |
Intencja: naucz mnie chińskiego |
Uzyskaj dostęp do modelu BloomZ 176B z dostrojonymi instrukcjami w SageMaker
SageMaker JumpStart zapewnia dwa sposoby rozpoczęcia korzystania z tych dostosowanych do instrukcji modeli Bloom: Studio Amazon SageMaker i SageMaker SDK. Poniższe sekcje ilustrują wygląd każdej z tych opcji i sposób uzyskiwania do nich dostępu.
Uzyskaj dostęp do modelu za pomocą uproszczonego pakietu SageMaker JumpStart SDK
Połączenia uproszczony SageMaker JumpStart SDK ułatwia szkolenie i wdrażanie wbudowanych modeli SageMaker JumpStart za pomocą kilku linii kodu. Daje to dostęp do całej biblioteki modeli SageMaker JumpStart, w tym najnowszych modeli podstawowych i modeli generowania obrazów, bez konieczności podawania jakichkolwiek danych wejściowych poza identyfikatorem modelu.
Możesz skorzystać z dostarczanych przez nas wartości domyślnych specyficznych dla modelu, aby określić konfigurację, taką jak między innymi obraz platformy Docker, typ instancji ML, lokalizacja artefaktu modelu i hiperparametry. Te atrybuty są tylko wartościami domyślnymi; możesz je zastąpić i zachować szczegółową kontrolę nad tworzonymi modelami AWS. W wyniku tych zmian wysiłek związany z pisaniem przepływów pracy w Pythonie w celu wdrożenia i szkolenia modeli SageMaker JumpStart został zmniejszony, co pozwala poświęcić więcej czasu na ważne zadania. Ta funkcja jest dostępna we wszystkich regionach, w których obsługiwany jest program JumpStart, i można uzyskać do niej dostęp za pomocą programu SageMaker SDK dla Pythona wersja 2.154.0 lub nowsza.
Możesz programowo wdrożyć punkt końcowy za pomocą SageMaker SDK. Będziesz musiał określić identyfikator modelu żądanego modelu w centrum modelu SageMaker oraz typ instancji używany do wdrożenia. URI modelu, który zawiera skrypt wnioskowania, oraz URI kontenera Docker są uzyskiwane za pośrednictwem SageMaker SDK. Te identyfikatory URI są dostarczane przez SageMaker JumpStart i mogą być użyte do zainicjowania obiektu modelu SageMaker do wdrożenia.
Wdróż model i wykonaj zapytanie dotyczące punktu końcowego
Ten notatnik wymaga ipywidgets. Zainstaluj ipywidgets, a następnie użyj roli wykonawczej powiązanej z bieżącym notatnikiem jako roli konta AWS z dostępem do SageMaker.
Wybierz wstępnie przeszkolony model
Wybieramy bloomz-176b-fp16
wstępnie wyszkolony model:
Notatnik w poniższych sekcjach używa BloomZ 176B jako przykład. Aby zapoznać się z pełną listą wstępnie wyszkolonych modeli SageMaker, zobacz Wbudowane algorytmy ze wstępnie wytrenowaną tabelą modeli.
Pobieraj artefakty i wdrażaj punkt końcowy
Dzięki SageMaker możemy przeprowadzać wnioskowanie na podstawie wstępnie wytrenowanego modelu bez uprzedniego dostrajania go na nowym zbiorze danych. Zaczynamy od odzyskania deploy_image_uri
, deploy_source_uri
, model_uri
dla wstępnie wytrenowanego modelu. Aby hostować wstępnie wytrenowany model, tworzymy instancję sagemaker.model.Model i wdrożyć go. To może zająć parę minut.
Teraz możemy wdrożyć model przy użyciu uproszczonego zestawu SDK SageMaker JumpStart z następującymi wierszami kodu:
Używamy pliki Kontenery wnioskowania o dużym modelu (LMI) SageMaker do obsługi modelu BloomZ 176B. LMI to zbudowany w AWS stos oprogramowania LLM (kontener), który oferuje łatwe w użyciu funkcje i wzrost wydajności w generatywnych modelach AI. Jest osadzony w równoległości modelu, kompilacji, kwantyzacji i innych stosach, aby przyspieszyć wnioskowanie. Aby uzyskać szczegółowe informacje, patrz Wdróż BLOOM-176B i OPT-30B w Amazon SageMaker z wnioskowaniem dużego modelu Deep Learning Containers i DeepSpeed.
Należy pamiętać, że wdrożenie tego modelu wymaga instancji p4de.24xlarge, a wdrożenie trwa zwykle około 1 godziny. Jeśli nie masz przydziału dla tej instancji, poproś o utworzenie przydziału w konsoli AWS Service Quotas.
Zapytaj punkt końcowy i przeanalizuj odpowiedź, używając różnych parametrów, aby kontrolować wygenerowany tekst
Dane wejściowe do punktu końcowego to dowolny ciąg tekstowy sformatowany jako JSON i zakodowany w formacie utf-8. Dane wyjściowe punktu końcowego to plik JSON z wygenerowanym tekstem.
W poniższym przykładzie udostępniamy przykładowy tekst wejściowy. Możesz wprowadzić dowolny tekst, a model przewiduje kolejne słowa w sekwencji. Dłuższe sekwencje tekstu można generować przez wielokrotne wywoływanie modelu. Poniższy kod pokazuje, jak wywołać punkt końcowy z tymi argumentami:
Otrzymujemy następujący wynik:
['How to make a pasta? boil a pot of water and add salt. Add the pasta to the water and cook until al dente. Drain the pasta.']
Uzyskaj dostęp do modelu w SageMaker Studio
Możesz również uzyskać dostęp do tych modeli za pośrednictwem Strona docelowa JumpStart w Studio. Ta strona zawiera listę dostępnych kompleksowych rozwiązań uczenia maszynowego, wstępnie przeszkolonych modeli i przykładowych notesów.
W momencie publikacji posta BloomZ 176B jest dostępny tylko w wersji us-east-2
Region.
Do obejrzenia notebooka można wybrać kartę modelu BloomZ 176B.
Następnie możesz zaimportować notatnik, aby dalej go uruchamiać.
Sprzątać
Aby uniknąć bieżących opłat, usuń punkty końcowe wnioskowania SageMaker. Możesz usunąć punkty końcowe za pomocą konsoli SageMaker lub z notatnika SageMaker Studio, używając następujących poleceń:
predictor.delete_model()
predictor.delete_endpoint()
Wnioski
W tym poście przedstawiliśmy przegląd korzyści płynących z uczenia się „zero-shot” i „kill-shot” oraz opisaliśmy, w jaki sposób szybka inżynieria może poprawić wydajność modeli dostrojonych do instrukcji. Pokazaliśmy również, jak łatwo wdrożyć dostosowany do instrukcji model BloomZ 176B z SageMaker JumpStart i przedstawiliśmy przykłady pokazujące, jak można wykonywać różne zadania NLP przy użyciu wdrożonego punktu końcowego modelu BloomZ 176B w SageMaker.
Zachęcamy do wdrożenia modelu BloomZ 176B z SageMaker JumpStart i tworzenia własnych monitów dla przypadków użycia NLP.
Aby dowiedzieć się więcej o SageMaker JumpStart, sprawdź następujące informacje:
O autorach
Rajakumar Sampathkumar jest głównym kierownikiem ds. kont technicznych w AWS, udzielając klientom wskazówek dotyczących dostosowania technologii biznesowych i wspierających na nowo modele i procesy operacyjne w chmurze. Pasjonuje się chmurą i uczeniem maszynowym. Raj jest również specjalistą od uczenia maszynowego i współpracuje z klientami AWS przy projektowaniu, wdrażaniu i zarządzaniu ich obciążeniami i architekturami AWS.
Dr Xin Huang jest naukowcem w zakresie wbudowanych algorytmów Amazon SageMaker JumpStart i Amazon SageMaker. Koncentruje się na tworzeniu skalowalnych algorytmów uczenia maszynowego. Jego zainteresowania badawcze dotyczą przetwarzania języka naturalnego, wyjaśnialnego głębokiego uczenia się na danych tabelarycznych oraz solidnej analizy nieparametrycznego klastrowania przestrzenno-czasowego. Opublikował wiele artykułów na konferencjach ACL, ICDM, KDD oraz Royal Statistical Society: Series A.
Evana Kravitza jest inżynierem oprogramowania w Amazon Web Services, pracującym nad SageMaker JumpStart. Lubi gotować i biegać w Nowym Jorku.
- 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. Motoryzacja / pojazdy elektryczne, Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- ChartPrime. Podnieś poziom swojej gry handlowej dzięki ChartPrime. Dostęp tutaj.
- Przesunięcia bloków. Modernizacja własności offsetu środowiskowego. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/zero-shot-and-few-shot-prompting-for-the-bloomz-176b-foundation-model-with-the-simplified-amazon-sagemaker-jumpstart-sdk/
- :ma
- :Jest
- :nie
- :Gdzie
- $W GÓRĘ
- 000
- 1
- 10
- 100
- 11
- 12
- 13
- 15%
- 16
- 20
- 2000
- 2013
- 2021
- 24
- 250
- 30
- 32
- 33
- 7
- 8
- a
- Zdolny
- O nas
- powyżej
- Akceptuj
- dostęp
- dostęp
- Konto
- precyzja
- w poprzek
- przystosować
- Dodaj
- w dodatku
- dodatek
- Dodatkowy
- Adresy
- nastawny
- administracja
- Korzyść
- ponownie
- przed
- AI
- Modele AI
- Cele
- AL
- Algorytmy
- wyrównanie
- Wszystkie kategorie
- Pozwalać
- pozwala
- sam
- również
- Altair
- zawsze
- am
- Amazonka
- Amazon Comprehend
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon Web Services
- Amazon Web Services (AWS)
- ambitny
- wśród
- ilość
- kwoty
- an
- analiza
- w czasie rzeczywistym sprawiają,
- i
- Angeles
- ogłosił
- Ogłoszenia
- każdy
- api
- Pszczoła
- odpowiedni
- aplikacje
- stosowany
- kwiecień
- arabski
- SĄ
- POWIERZCHNIA
- argumenty
- artykuł
- AS
- powiązany
- At
- dołączać
- atrybuty
- automatycznie
- automatycznie
- dostępny
- uniknąć
- AWS
- z powrotem
- Łazienka
- Bankowość
- na podstawie
- podstawowy
- BE
- Plaża
- piękny
- bo
- być
- zachowanie
- jest
- korzystne
- Korzyści
- oprócz
- BEST
- pomiędzy
- Rachunek
- Bill Gates
- Miliard
- Bit
- Kwitnąć
- Niebieski
- Książki
- granica
- urodzony
- Pudełko
- krótko
- BSN
- budować
- Budowanie
- wybudowany
- wbudowany
- ale
- przycisk
- by
- nazywa
- powołanie
- CAN
- Może uzyskać
- nie może
- możliwości
- zdolność
- karta
- ostrożny
- walizka
- Etui
- odlew
- złapany
- centrum
- ceo
- wyzwanie
- zmiana
- Zmiany
- naładowany
- Opłaty
- ZOBACZ
- Dzieci
- chiński
- wybór
- Dodaj
- koła
- Miasto
- roszczenia
- klasyfikacja
- zamknięte
- Chmura
- cloud computing
- klastrowanie
- Współzałożyciel
- kod
- Kodowanie
- ZGODNY
- zimno
- współpraca
- kolekcja
- Studentki
- Kolumna
- jak
- byliśmy spójni, od początku
- przyjście
- Handel
- wspólny
- sukcesy firma
- kompletny
- kompleksowość
- skomplikowane
- zrozumieć
- obejmujący
- computing
- Koncepcje
- Konferencja
- konferencje
- systemu
- wynagrodzenie
- Składający się
- Konsola
- konsumpcja
- Pojemnik
- Pojemniki
- zawiera
- zawartość
- konteksty
- kontynuować
- kontynuując
- kontrola
- konwersacyjny
- Chłodny
- skorygowania
- Koszty:
- mógłby
- kraj
- Para
- Stwórz
- stworzony
- Tworzenie
- tworzenie
- Twórczy
- Kubek
- Aktualny
- Obecnie
- zwyczaj
- Klientów
- konfigurowalny
- dane
- zbiory danych
- David
- sprawa
- Promocje
- dedykowane
- głęboko
- głęboka nauka
- najgłębszy
- Domyślnie
- dostarczona
- dostawa
- próbny
- wykazać
- wykazać
- W zależności
- rozwijać
- wdrażane
- wdrożeniowiec
- wdrażanie
- Wdrożenie
- opisane
- opis
- Wnętrze
- zaprojektowany
- życzenia
- detale
- Ustalać
- rozwijać
- rozwinięty
- rozwijanie
- oprogramowania
- rozwija się
- urządzenia
- ZROBIŁ
- Umierać
- różne
- Zniżka
- rabaty
- dyskusja
- do
- Doker
- dokument
- dokumenty
- Nie
- robi
- domena
- dominujący
- darować
- nie
- Drzwi
- na dół
- Downgrade
- drenaż
- wady
- każdy
- z łatwością
- łatwo
- łatwy w użyciu
- eBooki
- ecommerce
- skuteczność
- wysiłek
- Elementy
- kwalifikowalne
- osadzone
- umożliwiając
- zachęcać
- koniec końców
- Punkt końcowy
- inżynier
- Inżynieria
- Angielski
- cieszyć się
- Cały
- podmioty
- jednostka
- Przedsiębiorca
- Środowisko
- sprawiedliwość
- europejski
- Parzyste
- wydarzenia
- EVER
- wszystko
- zbadać
- przykład
- przykłady
- Ekskluzywny
- egzekucja
- spodziewany
- drogi
- doświadczenie
- wyciąg
- Twarz
- ułatwia
- Łatwość
- fakt
- daleko
- FAST
- Cecha
- Korzyści
- informacja zwrotna
- Opłaty
- stopy
- kilka
- Łąka
- filet
- Akta
- budżetowy
- usługi finansowe
- pożary
- i terminów, a
- pierwszy raz
- koncentruje
- obserwuj
- następujący
- jedzenie
- Dostawa jedzenia
- W razie zamówieenia projektu
- format
- Dawny
- Fundacja
- Założony
- Darmowy
- francuski
- często
- od
- z przodu
- Funkcje
- dalej
- Wzrost
- Bramy
- ogólny cel
- Generować
- wygenerowane
- generacja
- generatywny
- generatywna sztuczna inteligencja
- otrzymać
- daje
- cel
- będzie
- golf
- dobry
- GPU
- wspaniały
- bardzo
- Ziemia
- Zarządzanie
- Rozwój
- Wzrost
- gwarancja
- poradnictwo
- poprowadzi
- ręka
- Have
- mający
- he
- nagłówek
- słyszeć
- wysokość
- pomoc
- pomocny
- pomaga
- tutaj
- Wysoki
- wysokiej jakości
- jego
- Ufnie
- gospodarz
- HOT
- godzina
- W jaki sposób
- How To
- HTML
- HTTPS
- Huang
- Piasta
- człowiek
- Ludzkość
- Ludzie
- i
- ID
- if
- obraz
- wyimaginowany
- obraz
- importować
- podnieść
- in
- obejmuje
- Włącznie z
- włączać
- przemysł
- Informacja
- ekstrakcja informacji
- inicjatywa
- Innowacyjny
- wkład
- Wejścia
- spostrzeżenia
- zainstalować
- przykład
- zamiast
- instrukcje
- zainteresowania
- wewnętrzny
- najnowszych
- badać
- inwestycja
- Bankowość inwestycyjna
- angażować
- Wyspy
- IT
- JEGO
- Praca
- Oferty pracy
- dziennik
- podróż
- jpg
- json
- właśnie
- Trzymać
- Klawisz
- słowa kluczowe
- Wiedzieć
- wiedza
- lądowanie
- język
- Języki
- duży
- na dużą skalę
- największym
- Nazwisko
- później
- firmy
- prowadzący
- UCZYĆ SIĘ
- nauka
- Doprowadziło
- niech
- pozwala
- poziom
- Dźwignia
- Biblioteka
- lekki
- lubić
- Ograniczenia
- Ograniczony
- Linia
- linie
- Lista
- wykazy
- LLM
- lokalizacja
- długo
- dłużej
- Popatrz
- wygląda jak
- im
- Los Angeles
- miłość
- niski
- maszyna
- uczenie maszynowe
- zrobiony
- Główny
- poważny
- robić
- WYKONUJE
- Dokonywanie
- zarządzanie
- kierownik
- zarządzający
- wiele
- rynki
- marzec
- Materia
- Może..
- może
- me
- Poznaj nasz
- Użytkownicy
- członkostwo
- Pamięć
- Mężczyzna
- wspomina
- Microsoft
- Średni
- milion
- miliony
- minimalizowanie
- minut
- Misja
- ML
- model
- modele
- Nowoczesne technologie
- Miesiąc
- jeszcze
- większość
- film
- wielokrotność
- Nazwa
- Naturalny
- Przetwarzanie języka naturalnego
- Natura
- ne
- niezbędny
- Potrzebować
- ujemny
- sieci
- Neutralny
- nigdy
- Nowości
- Nowe produkty
- I Love New York
- nowy jork
- Najnowszy
- Następny
- w następnym tygodniu
- miło
- nlp
- Nie
- Hałas
- notatnik
- Uwagi
- powieść
- listopad
- już dziś
- numer
- przedmiot
- uzyskane
- of
- poza
- oferta
- oferuje
- Oferty
- oh
- on
- pewnego razu
- ONE
- trwający
- tylko
- open source
- działanie
- operacje
- Opcje
- or
- Orange
- zamówienie
- Zlecenia
- organizacji
- oryginalny
- Inne
- ludzkiej,
- na zewnątrz
- wydajność
- koniec
- Zastąp
- przegląd
- własny
- strona
- Papier
- Papiery
- parametry
- namiętny
- Zapłacić
- Ludzie
- dla
- spostrzegany
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- wykonywania
- profity
- personalizować
- Zwroty
- Zdjęcia
- Miejsce
- krok po kroku
- plany
- Platforma
- plato
- Analiza danych Platona
- PlatoDane
- gracz
- gra
- Proszę
- plus
- position
- pozytywny
- możliwy
- Post
- mocny
- ppi
- Przewidywania
- Urządzenie prognozujące
- Prognozy
- Premia
- poprzedni
- poprzednio
- Cena
- premia
- Główny
- prywatny
- Private Equity
- problemy
- wygląda tak
- procesów
- przetwarzanie
- produkcji
- Produkt
- Produkcja
- Produkty
- profesjonalny
- Program
- Programowanie
- języki programowania
- projekt
- zapewniać
- pod warunkiem,
- dostawca
- zapewnia
- że
- publicznie
- opublikowany
- Wydawniczy
- położyć
- Python
- pytanie
- pytania
- szybki
- Kurs
- RE
- Czytaj
- czytelnicy
- Czytający
- w czasie rzeczywistym
- realizowany
- niedawny
- niedawno
- uznanie
- rozpoznawanie
- Zalecana
- Czerwony
- Zredukowany
- region
- regiony
- związane z
- znakomity
- WIELOKROTNIE
- przeformułowanie
- otrzymuje
- składnica
- zażądać
- wymagany
- Wymaga
- Badania naukowe
- badania i rozwój
- Badacze
- Rozkład
- Zasoby
- odpowiedź
- Odpowiedzi
- dalsze
- zachować
- przeglądu
- zrewolucjonizował
- satysfakcjonujący
- Nagrody
- robot
- krzepki
- Rola
- królewski
- run
- działa
- s
- sagemaker
- Wnioskowanie SageMakera
- Powiedział
- sole
- sól
- powiedzenie
- mówią
- skalowalny
- skanować
- Naukowiec
- Naukowcy
- Ekran
- Sdk
- Szukaj
- druga
- działy
- widzieć
- wydaje
- wybór
- sprzedać
- semantyka
- senior
- rozsądek
- wyrok
- sentyment
- uczucia
- Sekwencja
- seryjny
- Serie
- Seria A
- usługa
- Usługi
- zestaw
- Zestawy
- ustawienie
- kilka
- powinien
- pokazać
- pokazał
- Targi
- znaczący
- uproszczony
- ponieważ
- witryna internetowa
- sytuacje
- Rozmiar
- rozmiary
- mały
- mniejszy
- So
- Obserwuj Nas
- Sieć społecznościowa
- Społeczeństwo
- Tworzenie
- Software Engineer
- solidny
- Rozwiązania
- kilka
- syn
- hiszpański
- specjalista
- specyficzny
- swoiście
- prędkość
- pisownia
- wydać
- stos
- Półki na książki
- początek
- rozpoczęty
- Startups
- state-of-the-art
- Zjednoczone
- statystyczny
- Cel
- Steve
- zatrzymany
- przechowywanie
- opcje przechowywania
- Strategia
- silne strony
- sznur
- Struktura
- student
- studio
- Badanie
- taki
- Garnitur
- PODSUMOWANIE
- uzupełnienie
- Dostawa
- wsparcie
- Utrzymany
- Wspierający
- równoznaczny
- stół
- Brać
- trwa
- Zadanie
- zadania
- Nauczanie
- zespół
- Techniczny
- szablon
- niż
- podziękować
- że
- Połączenia
- Strefa
- świat
- ich
- Im
- następnie
- Tam.
- Te
- one
- Trzeci
- to
- Przez
- thru
- czas
- czasochłonne
- Tytuł
- do
- już dziś
- jutro
- także
- narzędzie
- trudny
- w kierunku
- tradycyjny
- Pociąg
- przeszkolony
- Trening
- Przekształcać
- przekształcony
- Tłumaczenie
- drzewo
- ćwierkać
- Dwa razy
- drugiej
- rodzaj
- nas
- zrozumienie
- Zjednoczony
- United States
- uniwersytet
- nieograniczone
- aż do
- Aktualizacja
- Nowości
- aktualizowanie
- posługiwać się
- przypadek użycia
- używany
- Użytkownicy
- zastosowania
- za pomocą
- zazwyczaj
- wyceniane
- Wartości
- różnorodność
- różnorodny
- Naprawiono
- Weryfikacja
- wersja
- początku.
- przez
- Zobacz i wysłuchaj
- prawie
- Odwiedzić
- chcieć
- ciepły
- była
- Uzdatnianie wody
- Droga..
- sposoby
- we
- sieć
- usługi internetowe
- tydzień
- powitanie
- DOBRZE
- Co
- Co to jest
- jeśli chodzi o komunikację i motywację
- który
- Podczas
- biały
- KIM
- cały
- dlaczego
- szerszy
- szerokość
- będzie
- w Zimie
- w
- bez
- Kobieta
- słowo
- słowa
- przepływów pracy
- pracujący
- działa
- świat
- Mistrzostwa Świata
- martwić się
- by
- napisać
- pisanie
- napisany
- X
- rok
- lat
- tak
- jeszcze
- york
- You
- Twój
- zefirnet
- Nauka zero-shot