Într-o anterior post, am vorbit despre analizarea și etichetarea activelor stocate în Veeva Vault PromoMats folosind serviciile Amazon AI și API-urile Veeva Vault Platform. În această postare, vom explora modul de utilizare Amazon App Flow, un serviciu de integrare complet gestionat care vă permite să transferați în siguranță date din aplicații software ca serviciu (SaaS) precum Veeva Vault către AWS. The Conector Amazon AppFlow Veeva vă permite să vă conectați mediul AWS la ecosistemul Veeva rapid, fiabil și rentabil, pentru a analiza conținutul bogat stocat în Veeva Vault la scară.
Conectorul Amazon AppFlow Veeva este primul conector Amazon AppFlow care acceptă transferul automat al documentele Veeva. Vă permite să alegeți între cea mai recentă versiune ( Stare echilibrată versiune în termenii Veeva) și toate versiunile documentelor. Mai mult, puteți importa metadatele documentului.
Cu câteva clicuri, puteți configura cu ușurință o conexiune gestionată și puteți alege documentele și metadatele Veeva Vault de importat. Puteți ajusta și mai mult comportamentul de import prin maparea câmpurilor sursă cu câmpurile destinație. De asemenea, puteți adăuga filtre în funcție de tipul și subtipul documentului, clasificare, produse, țară, site și multe altele. În cele din urmă, puteți adăuga validarea și gestiona declanșatoarele de flux la cerere și programate.
Puteți utiliza conectorul Amazon AppFlow Veeva pentru diferite cazuri de utilizare, de la Veeva Vault PromoMats până la alte soluții Veeva Vault, cum ar fi QualityDocs, eTMF sau Regulatory Information Management (RIM). Următoarele sunt câteva dintre cazurile de utilizare în care puteți utiliza conectorul:
- Sincronizarea datelor – Puteți utiliza conectorul în procesul de stabilire a coerenței și armonizării între datele dintr-o sursă Veeva Vault și orice sisteme din aval de-a lungul timpului. De exemplu, puteți partaja activele de marketing Veeva PromoMats către Salesforce. De asemenea, puteți utiliza conectorul pentru a partaja documente Veeva QualityDocs, cum ar fi procedurile standard de operare (SOP) sau specificațiile, către site-uri web stocate în cache, care pot fi căutate de pe tabletele prezente în producția.
- Detectarea anomaliilor – Puteți partaja documentele Veeva PromoMats către Amazon Lookout pentru metrici pentru detectarea anomaliilor. De asemenea, puteți utiliza conectorul cu Vault RIM în lucrări de artă, etichete comerciale, șabloane sau pliante pentru pacienți înainte de a le importa pentru imprimare în soluții de etichetare pentru întreprinderi, cum ar fi Loftware.
- Hidratarea lacului de date – Conectorul poate fi un instrument eficient pentru replicarea datelor structurate sau nestructurate în lacuri de date, pentru a sprijini crearea și hidratarea lacurilor de date. De exemplu, puteți utiliza conectorul pentru a extrage informații de studiu standardizate din protocoalele stocate în Vault RIM și pentru a le expune în aval echipelor de analiză medicală.
- Traduceri – Conectorul poate fi util în trimiterea lucrărilor de artă, a documentelor clinice, a materialelor de marketing sau a protocoalelor de studiu pentru traducere în limbile materne către departamente precum ambalaj, studii clinice sau trimiteri de reglementări.
Această postare se concentrează asupra modului în care poți folosi Servicii AI Amazon în combinație cu Amazon AppFlow pentru a analiza conținutul stocat în Veeva Vault PromoMats, pentru a extrage automat informațiile etichetelor și, în cele din urmă, a trimite aceste informații înapoi în sistemul Veeva Vault. Postarea discută arhitectura generală, pașii pentru implementarea unei soluții și a unui tablou de bord și un caz de utilizare al etichetării metadatelor activelor. Pentru mai multe informații despre baza de cod de dovadă a conceptului pentru acest caz de utilizare, consultați GitHub depozit.
Prezentare generală a soluțiilor
Următoarea diagramă ilustrează arhitectura actualizată a soluției.
Anterior, pentru a importa active din Veeva Vault, trebuia să scrieți propria logică de cod personalizat folosind API-uri Veeva Vault pentru a interoga modificările și pentru a importa datele în Serviciul Amazon de stocare simplă (Amazon S3). Acesta ar putea fi un proces manual, consumator de timp, în care trebuia să luați în considerare limitările, eșecurile și reîncercările API, precum și scalabilitatea pentru a găzdui o cantitate nelimitată de active. Soluția actualizată folosește Amazon AppFlow pentru a îndepărta complexitatea menținerii unui canal personalizat de import de date Veeva către Amazon S3.
După cum s-a menționat în introducere, Amazon AppFlow este un instrument de autoservire ușor de utilizat, fără cod, care utilizează configurații punct-and-click pentru a muta datele cu ușurință și în siguranță între diverse aplicații SaaS și servicii AWS. AppFlow vă permite să extrageți date (obiecte și documente) din surse acceptate și să scrieți acele date în diferite destinații acceptate. Sursa sau destinația ar putea fi o aplicație SaaS sau un serviciu AWS, cum ar fi Amazon S3, Amazon RedShift, sau Lookout for Metrics. Pe lângă interfața fără cod, Amazon AppFlow acceptă configurarea prin API, AWS CLI și Formarea AWS Cloud interfețe.
Un flux din Amazon AppFlow descrie modul în care datele trebuie să fie mutate, inclusiv detaliile sursei, detaliile destinației, condițiile de declanșare a fluxului (la cerere, la eveniment sau programate) și sarcini de procesare a datelor, cum ar fi punctele de control, validarea câmpului sau mascarea. Când este declanșat, Amazon AppFlow rulează un flux care preia datele sursă (în general prin intermediul API-urilor publice ale aplicației sursă), rulează sarcini de procesare a datelor și transferă datele procesate către destinație.
În acest exemplu, implementați un flux preconfigurat folosind un șablon CloudFormation. Următoarea captură de ecran arată cele preconfigurate veeva-aws-connector
flux care este creat automat de șablonul de soluție de pe consola Amazon AppFlow.
Fluxul folosește Veeva ca sursă și este configurat să importe obiecte componente Veeva Vault. Atât metadatele, cât și fișierele sursă sunt necesare pentru a ține evidența activelor care au fost procesate și pentru a împinge etichetele înapoi pe materialul corespunzător corespunzător din sistemul sursă. În această situație, doar cea mai recentă versiune este importată, iar redările nu sunt incluse.
Destinația fluxului trebuie, de asemenea, configurată. În următoarea captură de ecran, definim un format de fișier și o structură de foldere pentru compartimentul S3 care a fost creat ca parte a șablonului CloudFormation.
În cele din urmă, fluxul este declanșat la cerere în scopuri demonstrative. Aceasta poate fi modificată astfel încât fluxul să ruleze într-un program, cu o granularitate maximă de 1 minut. Când este declanșat într-un program, modul de transfer se schimbă automat de la un transfer complet la un mod de transfer incremental. Specificați un câmp de marcaj temporal sursă pentru urmărirea modificărilor. Pentru cazul de utilizare a etichetării, am constatat că Data ultimei modificări setarea este cea mai potrivită.
Amazon AppFlow este apoi integrat cu Amazon EventBridge pentru a publica evenimente ori de câte ori o rulare a fluxului este completă.
Pentru o mai bună rezistență, AVAIAppFlowListener
AWS Lambdas funcția este conectată la EventBridge. Când este declanșat un eveniment Amazon AppFlow, acesta verifică dacă rularea fluxului specific s-a finalizat cu succes, citește informațiile de metadate ale tuturor activelor importate din acea rulare a fluxului specific și împinge metadatele documentului individual într-un Serviciul de coadă simplă Amazon coadă (Amazon SQS). Utilizarea Amazon SQS oferă o cuplare liberă între secțiunile producător și procesor ale arhitecturii și, de asemenea, vă permite să implementați modificări în secțiunea procesor fără a opri actualizările primite.
O a doua funcție de sondaj (AVAIQueuePoller
) citește coada SQS la intervale frecvente (în fiecare minut) și procesează activele primite. Pentru un timp de reacție și mai bun de la funcția Lambda, puteți înlocui regula CloudWatch configurând Amazon SQS ca declanșator al funcției.
În funcție de tipul de mesaj primit, soluția folosește diverse servicii AWS AI pentru a obține informații din datele dvs. Câteva exemple includ:
- Fișiere text - Funcția folosește DetectEntities operatiunea de Amazon Comprehend Medical, un serviciu de procesare a limbajului natural (NLP) care facilitează utilizarea ML pentru a extrage informații medicale relevante din text nestructurat. Această operațiune detectează entități din categorii precum
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
, șiTest_Treatment_Procedure
. Rezultatul rezultat este filtrat pentruProtected_Health_Information
, iar informațiile rămase, împreună cu scorurile de încredere, sunt aplatizate și inserate într-un Amazon DynamoDB masa. Aceste informații sunt reprezentate grafic pe clusterul OpenSearch Kibana. În aplicațiile din lumea reală, puteți utiliza și Amazon Comprehend Medical ICD-10-CM sau RxNorm caracteristică pentru a lega informațiile detectate de ontologiile medicale, astfel încât aplicațiile de asistență medicală din aval să le poată utiliza pentru analize suplimentare. - imagini - Funcția folosește DetectLabels Metodă de Amazon Rekognition pentru a detecta etichetele în imaginea primită. Aceste etichete pot acționa ca etichete pentru a identifica informațiile bogate îngropate în imaginile dvs., cum ar fi informații despre lucrări de artă comerciale și etichete clinice. Dacă etichetele ca
Human
orPerson
sunt detectate cu un scor de încredere mai mare de 80%, codul folosește DetectFaces metoda de a căuta caracteristici cheie ale feței, cum ar fi ochii, nasul și gura, pentru a detecta fețele din imaginea de intrare. Amazon Rekognition furnizează toate aceste informații cu un scor de încredere asociat, care este aplatizat și stocat în tabelul DynamoDB. - Înregistrări vocale - Pentru materialele audio, codul utilizează Start TranscriptionJob metoda asincronă a Transcriere Amazon pentru a transcrie sunetul de intrare în text, trecând într-un identificator unic ca fișierul
TranscriptionJobName
. Codul presupune ca limba audio să fie engleză (SUA), dar o puteți modifica pentru a se lega de informațiile provenite de la Veeva Vault. Codul apelează GetTranscriptionJob , trecând în același identificator unic caTranscriptionJobName
într-o buclă, până la finalizarea lucrării. Amazon Transcribe livrează fișierul de ieșire pe o bucket S3, care este citit de cod și șters. Codul apelează fluxul de lucru de procesare a textului (așa cum am discutat anterior) pentru a extrage entități din audio transcris. - Documente scanate (PDF-uri) - Un procent mare din activele științelor vieții sunt reprezentate în PDF-uri - acestea ar putea fi orice, de la reviste științifice și lucrări de cercetare până la etichete de medicamente. Text Amazon este un serviciu care extrage automat text și date din documente scanate. Codul utilizează StartDocumentTextDetection metoda de a porni o lucrare asincronă pentru a detecta textul din document. Codul utilizează
JobId
s-a întors în răspuns la apel GetDocumentTextDetection într-o buclă, până la finalizarea lucrării. Structura de ieșire JSON conține linii și cuvinte de text detectat, împreună cu scoruri de încredere pentru fiecare element pe care îl identifică, astfel încât să puteți lua decizii în cunoștință de cauză cu privire la modul de utilizare a rezultatelor. Codul procesează structura JSON pentru a recrea textul și apelează fluxul de lucru de procesare a textului pentru a extrage entități din text.
Un tabel DynamoDB stochează toate datele procesate. Soluția folosește Fluxuri DynamoDB și declanșatoare Lambda (AVAIPopulateES
) pentru a popula datele într-un cluster OpenSearch Kibana. Funcția AVAIPopulateES rulează pentru fiecare operație de actualizare, inserare și ștergere care are loc în tabelul DynamoDB și inserează o înregistrare corespunzătoare în indexul OpenSearch. Puteți vizualiza aceste înregistrări folosind Kibana.
Pentru a închide bucla de feedback, AVAICustomFieldPopulator
Funcția Lambda a fost creată. Este declanșat de evenimente din fluxul DynamoDB al tabelului de metadate DynamoDB. Pentru fiecare DocumentID
în înregistrările DynamoDB, funcția încearcă să răstoarne informațiile de etichetă într-o proprietate predefinită de câmp personalizat a activului cu ID-ul corespunzător în Veeva, folosind API-ul Veeva. Pentru a evita inserarea de zgomot în câmpul personalizat, funcția Lambda filtrează orice etichete care au fost identificate cu un scor de încredere mai mic de 0.9. Solicitările nereușite sunt redirecționate către o coadă de mesaje moarte (DLQ) pentru inspecție manuală sau reîncercare automată.
Această soluție oferă o abordare fără server, pay-as-you-go, pentru a procesa, eticheta și permite căutări complete pe activele dvs. digitale. În plus, fiecare componentă gestionată are o disponibilitate ridicată încorporată prin implementarea automată în mai multe zone de disponibilitate. Pentru Serviciul Amazon OpenSearch (succesorul Amazon Elasticsearch Service), puteți alege opțiunea trei-AZ pentru a oferi o disponibilitate mai bună pentru domeniile dvs.
Cerințe preliminare
Pentru această prezentare generală, ar trebui să aveți următoarele condiții prealabile:
- An Cont AWS cu adecvat Gestionarea identității și accesului AWS (IAM) pentru a lansa șablonul CloudFormation
- Acreditări de acces adecvate pentru un domeniu Veeva Vault PromoMats (adresa URL a domeniului, nume de utilizator și parolă)
- O etichetă de conținut personalizată definită în Veeva pentru activele digitale pe care doriți să le etichetați (de exemplu, am creat
AutoTags
etichetă de conținut personalizată) - Activele digitale din PromoMats Vault sunt accesibile pentru acreditările precedente
Implementați soluția dvs
Utilizați o stivă CloudFormation pentru a implementa soluția. Stiva creează toate resursele necesare, inclusiv:
- O bucket S3 pentru stocarea activelor primite.
- Un flux Amazon AppFlow pentru a importa automat active în compartimentul S3.
- O regulă EventBridge și o funcție Lambda pentru a reacționa la evenimentele generate de Amazon AppFlow (
AVAIAppFlowListener
). - O coadă SQS FIFO care să acționeze ca o cuplare liberă între funcția de ascultător (
AVAIAppFlowListener
) și funcția poller (AVAIQueuePoller
). - Un tabel DynamoDB pentru stocarea rezultatelor serviciilor Amazon AI.
- Un cluster Amazon OpenSearch Kibana (ELK) pentru a vizualiza etichetele analizate.
- O funcție Lambda pentru a împinge înapoi etichetele identificate în Veeva (
AVAICustomFieldPopulator
), cu un DLQ corespunzător. - Funcții Lambda necesare:
- AVAIAppFlowListener – Declanșat de evenimentele transmise de Amazon AppFlow către EventBridge. Folosit pentru validarea rulării fluxului și împingerea unui mesaj în coada SQS.
- AVAIQueuePoller - Declanșat la fiecare 1 minut. Folosit pentru sondarea cozii SQS, procesarea activelor folosind serviciile Amazon AI și completarea tabelului DynamoDB.
- AVAPopulateES - Declanșat atunci când există o actualizare, inserare sau ștergere pe tabelul DynamoDB. Folosit pentru captarea modificărilor din DynamoDB și popularea cluster-ului ELK.
- AVAICustomFieldPopulator – Declanșat atunci când există o actualizare, inserare sau ștergere pe tabelul DynamoDB. Folosit pentru a transmite informații despre etichete în Veeva.
- Evenimente Amazon CloudWatch regulile care declanșează
AVAIQueuePoller
funcţie. Acești declanșatori sunt înDISABLED
stare implicit. - Rolurile și politicile IAM necesare pentru interacțiunea cu EventBridge și serviciile AI într-un mod limitat.
Pentru a începe, parcurgeți următorii pași:
- Conectați-vă la Consola de administrare AWS cu un cont care are permisiunile IAM prealabile.
- Alege Lansați Stack și deschideți-o într-o filă nouă:
- Pe Creați stivă pagina, alege Pagina Următoare →.
- Pe Specificați detaliile stivei pagina, introduceți un nume pentru stiva.
- Introduceți valori pentru parametri.
- Alege Pagina Următoare →.
- Pe Configurați opțiunile stivei pagină, lăsați totul ca implicit și alegeți Pagina Următoare →.
- Pe Recenzie pagina, în Capacități și transformări , selectați cele trei casete de selectare.
- Alege Creați stivă.
- Așteptați ca stiva să se finalizeze. Puteți examina diverse evenimente din procesul de creare a stivei pe Evenimente tab.
- După finalizarea creării stivei, puteți căuta pe Resurse tab pentru a vedea toate resursele pe care șablonul CloudFormation creat.
- Pe ieşiri filă, copiați valoarea
ESDomainAccessPrincipal
.
Acesta este ARN-ul rolului IAM pe care AVAIPopulateES
funcția presupune. Îl utilizați mai târziu pentru a configura accesul la domeniul Amazon OpenSearch Service.
Configurați Amazon OpenSearch Service și Kibana
Această secțiune vă prezintă prin securizarea clusterului dvs. Amazon OpenSearch Service și instalarea unui proxy local pentru a accesa Kibana în siguranță.
- Pe consola Amazon OpenSearch Service, selectați domeniul care a fost creat de șablon.
- Pe Acţiuni meniu, alegeți Modificați politica de acces.
- Pentru Politica de acces la domeniu, alege Politică de acces personalizată.
- În Politica de acces va fi ștearsă fereastra pop-up, alegeți Ștergeți și continuați.
- Pe pagina următoare, configurați următoarele instrucțiuni pentru a bloca accesul la domeniul Amazon OpenSearch Service:
- Permiteți adresa IPv4 - Adresa dvs. IP.
- Permiteți IAM ARN - Valoarea a
ESDomainAccessPrincipal
ai copiat mai devreme.
- Alege Trimite mesaj.
Aceasta creează o politică de acces care acordă acces la funcția AVAPopulateES și acces Kibana de la adresa dumneavoastră IP. Pentru mai multe informații despre limitarea politicii de acces, consultați Configurarea politicilor de acces.
- Așteptați ca starea domeniului să se afișeze ca
Active
. - Pe consola Amazon EventBridge, sub Evenimente , alege Reguli. Puteți vedea două reguli pe care șablonul CloudFormation le-a creat.
- selectaţi
AVAIQueuePollerSchedule
regula și activați-o făcând clic Permite.
În 5-8 minute, datele ar trebui să înceapă să curgă și entitățile sunt create în clusterul Amazon OpenSearch Service. Acum puteți vizualiza aceste entități în Kibana. Pentru a face acest lucru, utilizați un proxy open-source numit aws-es-kibana. Pentru a instala proxy-ul pe computer, introduceți următorul cod:
aws-es-kibana your_OpenSearch_domain_endpoint
Puteți găsi punctul final al domeniului pe ieşiri fila stivei CloudFormation de sub ESDomainEndPoint
. Ar trebui să vedeți următoarea ieșire:
Creați vizualizări și analizați conținutul etichetat
Vă rugăm să consultați originalul postare pe blog.
A curăța
Pentru a evita costurile viitoare, ștergeți resursele atunci când nu sunt utilizate. Puteți șterge cu ușurință toate resursele ștergând stiva CloudFormation asociată. Rețineți că trebuie să goliți gălețile S3 create de conținut pentru ca ștergerea stivei să aibă succes.
Concluzie
În această postare, am demonstrat cum puteți utiliza serviciile Amazon AI în combinație cu Amazon AppFlow pentru a extinde funcționalitatea Veeva Vault PromoMats și a extrage informații valoroase rapid și ușor. Mecanismul de loop back încorporat vă permite să actualizați etichetele înapoi în Veeva Vault și să activați etichetarea automată a activelor dvs. Acest lucru facilitează pentru echipa dvs. găsirea și localizarea rapidă a activelor.
Deși nicio ieșire ML nu este perfectă, se poate apropia foarte mult de performanța umană și poate ajuta la compensarea unei părți substanțiale a eforturilor echipei tale. Puteți utiliza această capacitate suplimentară pentru sarcini cu valoare adăugată, dedicând în același timp o capacitate mică pentru a verifica rezultatul soluției ML. Această soluție poate ajuta, de asemenea, la optimizarea costurilor, la obținerea coerenței etichetării și la descoperirea rapidă a activelor existente.
În cele din urmă, puteți menține proprietatea asupra datelor dvs. și puteți alege ce servicii AWS pot procesa, stoca și găzdui conținutul. AWS nu accesează și nu utilizează conținutul dvs. în niciun scop fără consimțământul dvs. și nu folosește niciodată datele clienților pentru a obține informații pentru marketing sau publicitate. Pentru mai multe informații, consultați Întrebări frecvente privind confidențialitatea datelor.
De asemenea, puteți extinde funcționalitatea acestei soluții cu îmbunătățiri suplimentare. De exemplu, pe lângă serviciile AI și ML din această postare, puteți adăuga cu ușurință oricare dintre modelele dvs. personalizate ML create folosind Amazon SageMaker la arhitectură.
Dacă sunteți interesat să explorați cazuri de utilizare suplimentare pentru Veeva și AWS, vă rugăm să contactați echipa dvs. de cont AWS.
Veeva Systems a revizuit și aprobat acest conținut. Pentru întrebări suplimentare legate de Veeva Vault, vă rugăm să contactați Suport Veeva.
Despre autori
Mayank Thakkar este șeful departamentului AI/ML Business Development, Global Healthcare și Life Sciences la AWS. Are peste 18 ani de experiență în diverse industrii, cum ar fi asistența medicală, științele vieții, asigurări și retail, fiind specializat în construirea de soluții bazate pe serverless, inteligență artificială și învățare automată pentru a rezolva problemele din industria din lumea reală. La AWS, el lucrează îndeaproape cu mari companii farmaceutice din întreaga lume pentru a construi soluții de ultimă generație și pentru a le ajuta pe parcursul călătoriei lor în cloud. În afară de muncă, Mayank, împreună cu soția sa, este ocupat să crească doi băieți energici și răutăcioși, Aaryan (6) și Kiaan (4), în timp ce încearcă să împiedice casa să ardă sau să fie inundată!
Anamaria Todor este un arhitect senior de soluții cu sediul în Copenhaga, Danemarca. Și-a văzut primul computer când avea 4 ani și de atunci nu a mai lăsat să plece informatica și inginerie. Ea a lucrat în diferite roluri tehnice, de la dezvoltator full-stack, la inginer de date, lider tehnic și CTO la diferite companii daneze. Anamaria are o diplomă de licență în Inginerie Aplicată și Informatică, un master în Informatică și peste 10 ani de experiență practică AWS. La AWS, ea lucrează îndeaproape cu companii de sănătate și științe ale vieții din segmentul întreprinderilor. Când nu lucrează sau nu joacă jocuri video, ea îndrumă fete și femei profesioniste în înțelegerea și găsirea drumului lor prin tehnologie.
- Coinsmart. Cel mai bun schimb de Bitcoin și Crypto din Europa.
- Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. ACCES LIBER.
- CryptoHawk. Radar Altcoin. Încercare gratuită.
- Sursa: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- Despre Noi
- REZUMAT
- acces
- accesibil
- găzdui
- Cont
- Obține
- peste
- act
- plus
- Suplimentar
- adresa
- Promovare
- AI
- Servicii AI
- TOATE
- permite
- Amazon
- sumă
- analiză
- Google Analytics
- analiza
- separat
- api
- API-uri
- aplicație
- aplicatii
- aplicat
- abordare
- adecvat
- arhitectură
- în jurul
- artificial
- inteligență artificială
- opera de arta
- activ
- Bunuri
- asociate
- audio
- Automat
- în mod automat
- disponibilitate
- AWS
- înainte
- fiind
- Mai bine
- între
- frontieră
- construi
- Clădire
- construit-in
- afaceri
- apel
- capacități
- Capacitate
- caz
- cazuri
- taxe
- Alege
- clasificare
- studii clinice
- Cloud
- coaching-ul
- cod
- combinaţie
- cum
- venire
- comercial
- Companii
- Completă
- component
- cuprinzător
- calculator
- Informatică
- concept
- Condiții
- încredere
- Configuraţie
- Conectați
- conexiune
- consimţământ
- Consoleze
- contactați-ne
- conține
- conţinut
- Corespunzător
- Cheltuieli
- ar putea
- ţară
- crea
- a creat
- creează
- creaţie
- scrisori de acreditare
- CTO
- personalizat
- client
- ultima generație
- tablou de bord
- de date
- de prelucrare a datelor
- Deciziile
- Oferă
- Cerere
- demonstrat
- Danemarca
- implementa
- desfășurarea
- destinație
- destinații
- detalii
- detectat
- Detectare
- Dezvoltator
- Dezvoltare
- digital
- Active digitale
- descoperire
- documente
- Nu
- domeniu
- domenii
- jos
- medicament
- fiecare
- cu ușurință
- ușor de folosit
- ecosistem
- Eficace
- Eforturile
- permite
- permite
- Punct final
- inginer
- Inginerie
- Engleză
- Intrați
- Afacere
- entități
- Mediu inconjurator
- eveniment
- evenimente
- tot
- exemplu
- exemple
- existent
- experienţă
- explora
- extinde
- extracte
- fete
- Caracteristică
- DESCRIERE
- feedback-ul
- Femeie
- Domenii
- Filtre
- descoperire
- First
- debit
- se concentrează
- următor
- format
- găsit
- din
- Complet
- funcţie
- funcționalitate
- funcții
- mai mult
- viitor
- Jocuri
- în general
- generată
- obtinerea
- fete
- Caritate
- subvenții
- hands-on
- cap
- de asistență medicală
- ajutor
- Înalt
- casă
- Cum
- Cum Pentru a
- HTTPS
- uman
- identificator
- identifica
- Identitate
- imagine
- imagini
- importatoare
- include
- inclus
- Inclusiv
- index
- individ
- industrii
- industrie
- informații
- informat
- intrare
- inserții
- înţelegere
- perspective
- instala
- asigurare
- integrate
- integrare
- Inteligență
- interacționând
- interesat
- interfaţă
- IP
- Adresa IP
- IT
- Loc de munca
- călătorie
- A pastra
- Cheie
- etichetarea
- etichete
- limbă
- Limbă
- mare
- Ultimele
- lansa
- conduce
- Părăsi
- Life Sciences
- linii
- LINK
- local
- Uite
- maşină
- menține
- face
- FACE
- administra
- gestionate
- administrare
- manieră
- manual
- de fabricaţie
- cartografiere
- Marketing
- studii de masterat
- Materiale
- mecanism
- medical
- menționat
- Metrici
- ML
- Modele
- mai mult
- cele mai multe
- muta
- multiplu
- Natural
- necesar
- nevoilor
- următor
- Zgomot
- promoții
- compensa
- deschide
- de operare
- operaţie
- Optimizați
- Opţiuni
- comandă
- original
- Altele
- global
- propriu
- proprietate
- parte
- Care trece
- Parolă
- pacient
- procent
- Perfect
- performanță
- Pharma
- joc
- "vă rog"
- Politicile
- Politica
- sondaj
- pop-up
- prezenta
- precedent
- intimitate
- probleme
- proces
- procese
- prelucrare
- procesor
- producător
- Produse
- profesioniști
- dovadă
- dovada de concept
- proprietate
- protocoale
- furniza
- furnizează
- împuternicit
- public
- publica
- scop
- scopuri
- împins
- Rapid
- repede
- ridicare
- variind
- ajunge
- Reacţiona
- reacţie
- record
- înregistrări
- autoritățile de reglementare
- rămas
- reprezentate
- cereri de
- cercetare
- Resurse
- răspuns
- rezultând
- REZULTATE
- cu amănuntul
- Rol
- norme
- Alerga
- acelaşi
- scalabilitate
- Scară
- programată
- Ştiinţă
- ȘTIINȚE
- în siguranță,
- segment
- serverless
- serviciu
- Servicii
- set
- instalare
- Distribuie
- Arăta
- simplu
- întrucât
- teren
- situație
- mic
- So
- Software
- sistem de operare ca serviciu
- solid
- soluţie
- soluţii
- REZOLVAREA
- unele
- specializata
- specific
- Specificaţii
- stivui
- standard
- Începe
- început
- Stat
- Declarații
- Stare
- depozitare
- stoca
- magazine
- curent
- structurat
- Studiu
- substanțial
- de succes
- Reușit
- a sustine
- Suportat
- De sprijin
- Sprijină
- sistem
- sisteme
- sarcini
- echipă
- echipe
- Tehnic
- Tehnologia
- şabloane
- termeni
- Sursa
- lumea
- trei
- Prin
- TIE
- timp
- consumă timp
- instrument
- față de
- urmări
- Urmărire
- transfer
- Transferuri
- Traducere
- a declanșat
- în
- înţelegere
- unic
- nelimitat
- Actualizează
- actualizări
- us
- utilizare
- validare
- valoare
- diverse
- Boltă
- versiune
- Video
- jocuri video
- site-uri web
- în timp ce
- fără
- cuvinte
- Apartamente
- a lucrat
- de lucru
- fabrică
- lume
- ani
- Ta