As sementes de uma mudança de paradigma de aprendizado de máquina (ML) existem há décadas, mas com a disponibilidade imediata de capacidade de computação virtualmente infinita, uma proliferação massiva de dados e o rápido avanço das tecnologias de ML, clientes de todos os setores estão adotando e usando ML rapidamente tecnologias para transformar seus negócios.
Recentemente, aplicativos generativos de IA capturaram a atenção e a imaginação de todos. Estamos realmente em um ponto de inflexão empolgante na adoção generalizada de ML e acreditamos que todas as experiências e aplicativos do cliente serão reinventados com IA generativa.
IA generativa é um tipo de IA que pode criar novos conteúdos e ideias, incluindo conversas, histórias, imagens, vídeos e música. Como toda IA, a IA generativa é alimentada por modelos de ML - modelos muito grandes que são pré-treinados em vastos corpos de dados e comumente chamados de modelos de fundação (FMs).
O tamanho e a natureza de uso geral dos FMs os tornam diferentes dos modelos tradicionais de ML, que normalmente executam tarefas específicas, como análise de texto para sentimento, classificação de imagens e previsão de tendências.
Com modelos tradicionais de ML, para realizar cada tarefa específica, você precisa coletar dados rotulados, treinar um modelo e implantar esse modelo. Com modelos de base, em vez de coletar dados rotulados para cada modelo e treinar vários modelos, você pode usar o mesmo FM pré-treinado para adaptar várias tarefas. Você também pode personalizar FMs para executar funções específicas de domínio que diferenciam seus negócios, usando apenas uma pequena fração dos dados e da computação necessários para treinar um modelo do zero.
A IA generativa tem o potencial de revolucionar muitos setores, revolucionando a forma como o conteúdo é criado e consumido. Produção de conteúdo original, geração de código, aprimoramento do atendimento ao cliente e resumo de documentos são casos de uso típicos de IA generativa.
JumpStart do Amazon SageMaker fornece modelos de código aberto pré-treinados para uma ampla gama de tipos de problemas para ajudar você a começar a usar o ML. Você pode treinar e ajustar gradualmente esses modelos antes da implantação. O JumpStart também fornece modelos de solução que configuram a infraestrutura para casos de uso comuns e notebooks de exemplo executáveis para ML com Amazon Sage Maker.
Com mais de 600 modelos pré-treinados disponíveis e crescendo a cada dia, o JumpStart permite que os desenvolvedores incorporem rápida e facilmente técnicas de ML de ponta em seus fluxos de trabalho de produção. Você pode acessar os modelos pré-treinados, modelos de solução e exemplos por meio da página inicial do JumpStart em Estúdio Amazon SageMaker. Você também pode acessar os modelos JumpStart usando o SageMaker Python SDK. Para obter informações sobre como usar os modelos JumpStart programaticamente, consulte Use os algoritmos JumpStart do SageMaker com modelos pré-treinados.
Em abril de 2023, a AWS revelou Rocha Amazônica, que fornece uma maneira de criar aplicativos generativos baseados em IA por meio de modelos pré-treinados de startups, incluindo Laboratórios AI21, Antrópico e IA de estabilidade. O Amazon Bedrock também oferece acesso aos modelos de fundação Titan, uma família de modelos treinados internamente pela AWS. Com a experiência sem servidor do Amazon Bedrock, você pode encontrar facilmente o modelo certo para suas necessidades, começar rapidamente, personalizar FMs de forma privada com seus próprios dados e integrá-los e implantá-los facilmente em seus aplicativos usando as ferramentas e os recursos da AWS que você conhece com (incluindo integrações com recursos do SageMaker ML como Experimentos Amazon SageMaker testar diferentes modelos e Pipelines Amazon SageMaker para gerenciar seus FMs em escala) sem precisar gerenciar nenhuma infraestrutura.
Nesta postagem, mostramos como implantar modelos de IA geradora de imagem e texto do JumpStart usando o Kit de desenvolvimento em nuvem da AWS (AWSCDK). O AWS CDK é uma estrutura de desenvolvimento de software de código aberto para definir seus recursos de aplicativos em nuvem usando linguagens de programação conhecidas, como Python.
Usamos o modelo Stable Diffusion para geração de imagens e o modelo FLAN-T5-XL para compreensão da linguagem natural (NLU) e geração de texto a partir Abraçando o rosto no JumpStart.
Visão geral da solução
A aplicação web é construída sobre Iluminado, uma biblioteca Python de código aberto que facilita a criação e o compartilhamento de belos aplicativos da Web personalizados para ML e ciência de dados. Hospedamos o aplicativo da web usando Serviço Amazon Elastic Container (Amazon ECS) com AWS Fargate e é acessado por meio de um Application Load Balancer. Fargate é uma tecnologia que você pode usar com o Amazon ECS para executar containers sem ter que gerenciar servidores ou clusters ou máquinas virtuais. Os endpoints do modelo AI generativo são iniciados a partir de imagens JumpStart em Registro do Amazon Elastic Container (Amazon ECR). Os dados do modelo são armazenados em Serviço de armazenamento simples da Amazon (Amazon S3) na conta JumpStart. O aplicativo da web interage com os modelos por meio de Gateway de API da Amazon e AWS Lambda funções como mostrado no diagrama a seguir.
O API Gateway fornece ao aplicativo da Web e a outros clientes uma interface RESTful padrão, ao mesmo tempo em que protege as funções do Lambda que fazem interface com o modelo. Isso simplifica o código do aplicativo cliente que consome os modelos. Os endpoints do API Gateway são acessíveis publicamente neste exemplo, permitindo a possibilidade de estender essa arquitetura para implementar diferentes Controles de acesso à API e integrar com outras aplicações.
Nesta postagem, orientamos você nas seguintes etapas:
- Instale o Interface de linha de comando da AWS (AWS CLI) e AWS CDK v2 em sua máquina local.
- Clone e configure o aplicativo AWS CDK.
- Implante o aplicativo AWS CDK.
- Use o modelo AI de geração de imagens.
- Use o modelo AI de geração de texto.
- Visualize os recursos implantados no Console de gerenciamento da AWS.
Fornecemos uma visão geral do código neste projeto no apêndice no final deste post.
Pré-requisitos
Você deve ter os seguintes pré-requisitos:
Você pode implantar a infraestrutura neste tutorial de seu computador local ou pode usar Nuvem AWS9 como sua estação de trabalho de implantação. O AWS Cloud9 vem pré-carregado com AWS CLI, AWS CDK e Docker. Se você optar pelo AWS Cloud9, criar o ambiente do Console AWS.
O custo estimado para concluir esta postagem é de US$ 50, supondo que você deixe os recursos funcionando por 8 horas. Certifique-se de excluir os recursos criados nesta postagem para evitar cobranças contínuas.
Instale a AWS CLI e o AWS CDK em sua máquina local
Se você ainda não tiver a AWS CLI em sua máquina local, consulte Instalando ou atualizando a versão mais recente da AWS CLI e Configurando o AWS CLI.
Instale o AWS CDK Toolkit globalmente usando o seguinte comando do gerenciador de pacotes de nó:
Execute o seguinte comando para verificar a instalação correta e imprimir o número da versão do AWS CDK:
Certifique-se de ter o Docker instalado em sua máquina local. Emita o seguinte comando para verificar a versão:
Clone e configure o aplicativo AWS CDK
Em sua máquina local, clone o aplicativo AWS CDK com o seguinte comando:
Navegue até a pasta do projeto:
Antes de implantarmos o aplicativo, vamos revisar a estrutura de diretórios:
A stack
pasta contém o código para cada pilha no aplicativo AWS CDK. O code
pasta contém o código para as funções do Lambda. O repositório também contém o aplicativo da web localizado na pasta web-app
.
A cdk.json
O arquivo informa ao AWS CDK Toolkit como executar seu aplicativo.
Esta aplicação foi testada no us-east-1
Região, mas deve funcionar em qualquer região que tenha os serviços necessários e o tipo de instância de inferência ml.g4dn.4xlarge
Especificado em app.py
.
Configure um ambiente virtual
Este projeto é configurado como um projeto Python padrão. Crie um ambiente virtual Python usando o seguinte código:
Use o seguinte comando para ativar o ambiente virtual:
Se você estiver em uma plataforma Windows, ative o ambiente virtual da seguinte maneira:
Depois que o ambiente virtual for ativado, atualize o pip para a versão mais recente:
Instale as dependências necessárias:
Antes de implantar qualquer aplicativo AWS CDK, você precisa inicializar um espaço em sua conta e a região em que está implantando. Para inicializar em sua região padrão, emita o seguinte comando:
Se você deseja implantar em uma conta e região específicas, emita o seguinte comando:
Para obter mais informações sobre essa configuração, visite Introdução ao AWS CDK.
Estrutura da pilha de aplicativos do AWS CDK
O aplicativo AWS CDK contém várias pilhas, conforme mostrado no diagrama a seguir.
Você pode listar as pilhas em seu aplicativo AWS CDK com o seguinte comando:
Veja a seguir outros comandos úteis do AWS CDK:
- CDK ls – Lista todas as pilhas no aplicativo
- sintetizador cdk – Emite o sintetizado Formação da Nuvem AWS modelo
- implementação de cdk – Implanta esta pilha em sua conta e região padrão da AWS
- diferença de cdk – Compara a pilha implantada com o estado atual
- documentos cdk – Abre a documentação do AWS CDK
A próxima seção mostra como implantar o aplicativo AWS CDK.
Implante o aplicativo AWS CDK
O aplicativo AWS CDK será implantado na região padrão com base na configuração da sua estação de trabalho. Se você deseja forçar a implantação em uma região específica, defina seu AWS_DEFAULT_REGION
variável de ambiente de acordo.
Neste ponto, você pode implantar o aplicativo AWS CDK. Primeiro, você inicia a pilha de rede VPC:
Se você for solicitado, digite y
para prosseguir com a implantação. Você deve ver uma lista de recursos da AWS que estão sendo provisionados na pilha. Esta etapa leva cerca de 3 minutos para ser concluída.
Em seguida, você inicia a pilha de aplicativos da web:
Depois de analisar a pilha, o AWS CDK exibirá a lista de recursos na pilha. Digite y para prosseguir com a implantação. Esta etapa leva cerca de 5 minutos.
Anote o WebApplicationServiceURL
da saída para usar mais tarde. Você também pode recuperá-lo no console do AWS CloudFormation, no GenerativeAiDemoWebStack
empilhar saídas.
Agora, inicie a pilha de terminais do modelo AI de geração de imagem:
Esta etapa leva cerca de 8 minutos. O endpoint do modelo de geração de imagem está implantado, agora podemos usá-lo.
Use o modelo de IA de geração de imagem
O primeiro exemplo demonstra como utilizar Stable Diffusion, uma poderosa técnica de modelagem generativa que permite a criação de imagens de alta qualidade a partir de prompts de texto.
- Acesse o aplicativo da Web usando o
WebApplicationServiceURL
da saída deGenerativeAiDemoWebStack
no seu browser. - No painel de navegação, escolha Geração de Imagem.
- A Nome do terminal do SageMaker e URL GW da API os campos serão pré-preenchidos, mas você pode alterar o prompt para a descrição da imagem, se desejar.
- Escolha Gerar imagem.
- O aplicativo fará uma chamada para o endpoint do SageMaker. Demora alguns segundos. Uma foto com as características na descrição da sua imagem será exibida.
Use o modelo de IA de geração de texto
O segundo exemplo gira em torno do uso do modelo FLAN-T5-XL, que é uma base ou modelo de linguagem grande (LLM), para obter aprendizado no contexto para geração de texto, ao mesmo tempo em que aborda uma ampla gama de compreensão de linguagem natural (NLU) e natural tarefas de geração de linguagem (NLG).
Alguns ambientes podem limitar o número de endpoints que você pode iniciar por vez. Se for esse o caso, você pode iniciar um endpoint do SageMaker por vez. Para interromper um endpoint do SageMaker no aplicativo AWS CDK, você deve destruir a pilha de endpoint implantada antes de iniciar a outra pilha de endpoint. Para desativar o endpoint do modelo AI de geração de imagem, emita o seguinte comando:
Em seguida, inicie a pilha de terminais do modelo AI de geração de texto:
Digite y nos prompts.
Depois que a pilha de terminal do modelo de geração de texto for iniciada, conclua as etapas a seguir:
- Volte para o aplicativo da web e escolha Geração de Texto no painel de navegação.
- A Contexto de entrada O campo é pré-preenchido com uma conversa entre um cliente e um agente sobre um problema com o telefone do cliente, mas você pode inserir seu próprio contexto, se desejar.
- Abaixo do contexto, você encontrará algumas consultas pré-preenchidas no menu suspenso. Escolha uma consulta e escolha Gerar resposta.
- Você também pode inserir sua própria consulta no Consulta de entrada campo e, em seguida, escolha Gerar resposta.
Visualize os recursos implantados no console
No console do AWS CloudFormation, escolha Pilhas no painel de navegação para visualizar as pilhas implantadas.
No console do Amazon ECS, você pode ver os clusters no Clusters Disputas de Comerciais.
No console do AWS Lambda, você pode ver as funções no Funções Disputas de Comerciais.
No console do API Gateway, você pode ver os endpoints do API Gateway no APIs Disputas de Comerciais.
No console do SageMaker, você pode ver os endpoints do modelo implantado no Pontos finais Disputas de Comerciais.
Quando as pilhas são lançadas, alguns parâmetros são gerados. Estes são armazenados no Armazenamento de parâmetros do AWS Systems Manager. Para visualizá-los, escolha Armazenamento de parâmetros no painel de navegação no Gerente de Sistemas AWS console.
limpar
Para evitar custos desnecessários, limpe toda a infraestrutura criada com o seguinte comando em sua estação de trabalho:
Entrar y
no prompt. Esta etapa leva cerca de 10 minutos. Verifique se todos os recursos foram excluídos no console. Exclua também os buckets S3 de ativos criados pelo AWS CDK no console Amazon S3, bem como os repositórios de ativos no Amazon ECR.
Conclusão
Conforme demonstrado nesta postagem, você pode usar o AWS CDK para implantar modelos generativos de IA no JumpStart. Mostramos um exemplo de geração de imagem e um exemplo de geração de texto usando uma interface de usuário baseada em Streamlit, Lambda e API Gateway.
Agora você pode criar seus projetos de IA generativos usando modelos de IA pré-treinados no JumpStart. Você também pode estender este projeto para ajustar os modelos de base para seu caso de uso e controlar o acesso aos endpoints do API Gateway.
Convidamos você a testar a solução e contribuir com o projeto em GitHub. Compartilhe seus pensamentos sobre este tutorial nos comentários!
Resumo da licença
Este código de exemplo é disponibilizado sob uma licença modificada do MIT. Veja o LICENÇA arquivo para mais informações. Além disso, revise as respectivas licenças para o difusão estável e flan-t5-xl modelos no rosto de abraços.
Sobre os autores
Hantzley Tauckoor é um APJ Partner Solutions Architecture Leader baseado em Cingapura. Ele tem 20 anos de experiência na indústria de TIC abrangendo várias áreas funcionais, incluindo arquitetura de soluções, desenvolvimento de negócios, estratégia de vendas, consultoria e liderança. Ele lidera uma equipe de arquitetos de soluções sênior que permite que os parceiros desenvolvam soluções conjuntas, criem recursos técnicos e os orientem na fase de implementação à medida que os clientes migram e modernizam seus aplicativos para a AWS.
Kwonyul Choi é CTO da BABITALK, uma startup de plataforma coreana de cuidados com a beleza, com sede em Seul. Antes dessa função, Kownyul trabalhou como engenheiro de desenvolvimento de software na AWS com foco em AWS CDK e Amazon SageMaker.
Arunprasath Shankar é um arquiteto de soluções especialista em IA/ML sênior da AWS, ajudando clientes globais a dimensionar suas soluções de IA de maneira eficaz e eficiente na nuvem. Em seu tempo livre, Arun gosta de assistir a filmes de ficção científica e ouvir música clássica.
Satis Upreti é um PSA Líder de Migração e SME de Segurança na organização parceira em APJ. Satish tem 20 anos de experiência abrangendo nuvens privadas locais e tecnologias de nuvem pública. Desde que ingressou na AWS em agosto de 2020 como especialista em migração, ele fornece ampla consultoria técnica e suporte aos parceiros da AWS para planejar e implementar migrações complexas.
Apêndice: Passo a passo do código
Nesta seção, fornecemos uma visão geral do código neste projeto.
Aplicativo AWS CDK
O aplicativo principal do AWS CDK está contido no app.py
arquivo no diretório raiz. O projeto consiste em várias pilhas, então temos que importar as pilhas:
Definimos nossos modelos de IA generativos e obtemos os URIs relacionados do SageMaker:
A função get_sagemaker_uris recupera todas as informações do modelo do JumpStart. Ver script/sagemaker_uri.py
.
Em seguida, instanciamos as pilhas:
A primeira pilha a ser lançada é a pilha VPC, GenerativeAiVpcNetworkStack. A pilha de aplicativos da web, GenerativeAiDemoWebStack, depende da pilha de VPC. A dependência é feita através da passagem de parâmetros vpc=network_stack.vpc.
See app.py
para obter o código completo.
Pilha de rede VPC
Na pilha GenerativeAiVpcNetworkStack, criamos uma VPC com uma sub-rede pública e uma sub-rede privada abrangendo duas zonas de disponibilidade:
See /stack/generative_ai_vpc_network_stack.py
para obter o código completo.
Pilha de aplicativos da web de demonstração
Na pilha GenerativeAiDemoWebStack, lançamos as funções do Lambda e os respectivos endpoints do API Gateway por meio dos quais o aplicativo da web interage com os endpoints do modelo SageMaker. Veja o trecho de código a seguir:
O aplicativo da web é conteinerizado e hospedado no Amazon ECS com Fargate. Veja o trecho de código a seguir:
See /stack/generative_ai_demo_web_stack.py
para obter o código completo.
Pilha de terminal do modelo SageMaker de geração de imagem
A pilha GenerativeAiTxt2imgSagemakerStack cria o endpoint do modelo de geração de imagem do JumpStart e armazena o nome do endpoint no Armazenamento de parâmetros do Systems Manager. Este parâmetro será usado pelo aplicativo da web. Veja o seguinte código:
See /stack/generative_ai_txt2img_sagemaker_stack.py
para obter o código completo.
NLU e pilha de endpoints do modelo SageMaker de geração de texto
A pilha GenerativeAiTxt2nluSagemakerStack cria o ponto final do modelo de geração de texto e NLU a partir do JumpStart e armazena o nome do ponto final no armazenamento de parâmetros do Systems Manager. Este parâmetro também será usado pelo aplicativo da web. Veja o seguinte código:
See /stack/generative_ai_txt2nlu_sagemaker_stack.py
para obter o código completo.
Aplicativo da Web
O aplicativo da Web está localizado no /web-app
diretório. É um aplicativo Streamlit que é conteinerizado de acordo com o Dockerfile
:
Para saber mais sobre o Streamlit, consulte Documentação Streamlit.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoAiStream. Inteligência de Dados Web3. Conhecimento Amplificado. Acesse aqui.
- Cunhando o Futuro com Adryenn Ashley. Acesse aqui.
- Compre e venda ações em empresas PRE-IPO com PREIPO®. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :tem
- :é
- $UP
- 1
- 10
- 100
- 20
- 20 anos
- 2020
- 2023
- 7
- 8
- 9
- a
- Sobre
- Acesso
- acessadas
- acessível
- conformemente
- Conta
- Alcançar
- em
- adaptar
- endereçando
- Adotando
- Adoção
- avanço
- conselho
- Agente
- AI
- Alimentado por AI
- AI / ML
- algoritmos
- Todos os Produtos
- Permitindo
- já
- tb
- Amazon
- Gateway de API da Amazon
- Amazon Sage Maker
- JumpStart do Amazon SageMaker
- Amazon Web Services
- an
- análise
- e
- qualquer
- api
- app
- Aplicação
- aplicações
- Aplicativos
- Abril
- arquitetura
- SOMOS
- áreas
- por aí
- AS
- Ativos
- At
- por WhatsApp.
- AGOSTO
- disponibilidade
- disponível
- evitar
- AWS
- Nuvem AWS9
- Formação da Nuvem AWS
- AWS Lambda
- em caminho duplo
- balanceador
- baseado
- BAT
- BE
- bonita
- Beleza
- antes
- ser
- Acreditar
- entre
- Bootstrap
- amplo
- navegador
- construir
- construído
- negócio
- desenvolvimento de negócios
- negócios
- mas a
- by
- chamada
- CAN
- capacidades
- Capacidade
- capturados
- Cuidado
- casas
- casos
- CD
- Centros
- alterar
- características
- acusações
- verificar
- Escolha
- cliente
- clientes
- Na nuvem
- Cloud9
- código
- vem
- comum
- geralmente
- completar
- integrações
- Computar
- computador
- Configuração
- cônsul
- construir
- consultor
- consumida
- contida
- Recipiente
- contém
- conteúdo
- contexto
- contribuir
- ao controle
- Conversa
- conversas
- correta
- Custo
- crio
- criado
- cria
- criação
- CTO
- Atual
- personalizadas
- cliente
- experiência do cliente
- Atendimento ao Cliente
- Clientes
- personalizar
- ponta
- dados,
- ciência de dados
- dia
- décadas
- Padrão
- Define
- demonstraram
- demonstra
- Dependência
- dependente
- implantar
- implantado
- Implantação
- desenvolvimento
- implanta
- descrição
- destruir
- desenvolver
- desenvolvedores
- Desenvolvimento
- diferente
- Distribuição
- Ecrã
- perturbe
- Estivador
- documento
- feito
- não
- down
- cada
- facilmente
- fácil
- efetivamente
- eficientemente
- permitir
- permite
- final
- Ponto final
- engenheiro
- Entrar
- Meio Ambiente
- ambientes
- estimou
- Cada
- todo dia
- todo mundo está
- exemplo
- exemplos
- emocionante
- vasta experiência
- estender
- extenso
- Rosto
- falso
- familiar
- família
- Funcionalidades
- poucos
- campo
- Campos
- Envie o
- Encontre
- Primeiro nome
- Foco
- seguinte
- segue
- Escolha
- força
- Foundation
- fração
- Quadro
- da
- cheio
- função
- funcional
- funções
- porta de entrada
- reunir
- coleta
- propósito geral
- gerado
- geração
- generativo
- IA generativa
- ter
- Git
- Global
- Globalmente
- Crescente
- Ter
- ter
- he
- ajudar
- ajuda
- alta qualidade
- sua
- Início
- hospedeiro
- hospedado
- HORÁRIO
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- http
- HTTPS
- TIC
- idéias
- if
- imagem
- imagens
- imaginação
- executar
- implementação
- importar
- in
- Incluindo
- incorporar
- indústrias
- indústria
- Infinita
- Ponto de inflexão
- INFORMAÇÕES
- Infraestrutura
- instalar
- instalação
- instalado
- instância
- em vez disso
- integrar
- integrações
- interage
- Interface
- para dentro
- convidar
- emitem
- IT
- juntando
- articulação
- jpg
- json
- Coreana
- aterrissagem
- língua
- Idiomas
- grande
- mais tarde
- mais recente
- lançamento
- lançado
- de lançamento
- conduzir
- líder
- Liderança
- Leads
- APRENDER
- aprendizagem
- Deixar
- Biblioteca
- Licença
- licenças
- como
- LIMITE
- Line
- Lista
- Escuta
- listas
- LLM
- carregar
- local
- localizado
- máquina
- aprendizado de máquina
- máquinas
- moldadas
- a Principal
- fazer
- FAZ
- gerencia
- de grupos
- Gerente
- muitos
- maciço
- Menu
- poder
- migrado
- migração
- Minutos
- MIT
- ML
- modelo
- modelos
- modernizar
- modificada
- mais
- Filmes
- múltiplo
- Música
- devo
- nome
- natural
- Natureza
- Navegação
- você merece...
- Cria
- rede
- Novo
- Próximo
- nó
- agora
- número
- of
- Oferece
- on
- ONE
- contínuo
- só
- open source
- Software livre
- abre
- or
- ordem
- organização
- original
- Outros
- A Nossa
- saída
- Acima de
- Visão geral
- próprio
- pacote
- página
- pão
- paradigma
- parâmetro
- parâmetros
- parceiro
- Parceiros
- Passagem
- Realizar
- fase
- telefone
- fotografia
- plano
- plataforma
- platão
- Inteligência de Dados Platão
- PlatãoData
- ponto
- possibilidade
- Publique
- potencial
- alimentado
- poderoso
- pré-requisitos
- Impressão
- Prévio
- privado
- Problema
- Produção
- Programação
- linguagens de programação
- projeto
- projetos
- fornecer
- fornece
- público
- nuvem pública
- publicamente
- Python
- consultas
- rapidamente
- alcance
- rápido
- rapidamente
- pronto
- recentemente
- a que se refere
- em relação a
- região
- relacionado
- repositório
- requeridos
- Requisitos
- recurso
- Recursos
- aqueles
- rever
- Revolucionando
- certo
- Tipo
- raiz
- Execute
- corrida
- sábio
- vendas
- mesmo
- Escala
- ficção científica
- Ciência
- arranhar
- Sdk
- Segundo
- segundo
- Seção
- segurança
- Vejo
- SEEDS
- AUTO
- senior
- sentimento
- Seul
- Serverless
- Servidores
- serviço
- Serviços
- conjunto
- instalação
- Partilhar
- mudança
- rede de apoio social
- mostrar
- mostrou
- mostrando
- Shows
- simples
- desde
- Singapore
- Tamanho
- pequeno
- EMS
- So
- Software
- desenvolvimento de software
- solução
- Soluções
- alguns
- fonte
- Espaço
- especialista
- específico
- especificada
- estável
- pilha
- Pilhas
- padrão
- começado
- inicialização
- Startups
- Passo
- Passos
- Dê um basta
- armazenamento
- loja
- armazenadas
- lojas
- Histórias
- Estratégia
- estrutura
- sub-rede
- ajuda
- sistemas
- toma
- Tarefa
- tarefas
- Profissionais
- Dados Técnicos:
- técnicas
- Tecnologias
- Tecnologia
- conta
- modelos
- teste
- testes
- que
- A
- deles
- Eles
- então
- Este
- isto
- Através da
- tempo
- titã
- para
- kit de ferramentas
- ferramentas
- tradição
- tradicional
- Trem
- treinado
- Training
- Transformar
- Tendências
- verdadeiro
- verdadeiramente
- VIRAR
- tutorial
- dois
- tipo
- tipos
- típico
- tipicamente
- para
- compreensão
- revelou
- atualização
- atualização
- usar
- caso de uso
- usava
- Utilizador
- Interface de Usuário
- utilização
- utilizar
- vário
- Grande
- verificar
- versão
- via
- VÍDEOS
- Ver
- Virtual
- praticamente
- Visite a
- queremos
- foi
- assistindo
- Caminho..
- we
- web
- Aplicativo da Web
- serviços web
- BEM
- qual
- enquanto
- Largo
- Ampla variedade
- generalizada
- Wikipedia
- precisarão
- Windows
- de
- sem
- Atividades:
- trabalhou
- fluxos de trabalho
- estação de trabalho
- anos
- Vocês
- investimentos
- zefirnet
- zonas