Semințele unei schimbări de paradigmă a învățării automate (ML) au existat de zeci de ani, dar odată cu disponibilitatea imediată a capacității de calcul practic infinite, o proliferare masivă a datelor și progresul rapid al tehnologiilor ML, clienții din toate industriile adoptă și folosesc rapid ML. tehnologii pentru a-și transforma afacerile.
Recent, aplicațiile AI generative au captat atenția și imaginația tuturor. Ne aflăm într-adevăr într-un punct de inflexiune interesant în adoptarea pe scară largă a ML și credem că fiecare experiență și aplicație client va fi reinventată cu AI generativă.
AI generativ este un tip de IA care poate crea conținut și idei noi, inclusiv conversații, povești, imagini, videoclipuri și muzică. La fel ca toată AI, IA generativă este alimentată de modele ML - modele foarte mari care sunt pre-antrenate pe corpuri vaste de date și denumite în mod obișnuit modele de bază (FM).
Dimensiunea și natura generală a FM-urilor le fac diferite de modelele ML tradiționale, care îndeplinesc de obicei sarcini specifice, cum ar fi analizarea textului pentru sentimente, clasificarea imaginilor și prognozarea tendințelor.
Cu modelele tradiționale ML, pentru a realiza fiecare sarcină specifică, trebuie să aduni date etichetate, să antrenezi un model și să implementezi acel model. Cu modelele de bază, în loc să aduni date etichetate pentru fiecare model și să antrenezi mai multe modele, poți folosi același FM pre-antrenat pentru a adapta diverse sarcini. De asemenea, puteți personaliza FM-urile pentru a îndeplini funcții specifice domeniului care diferențiază afacerile dvs., folosind doar o mică parte din datele și calculele necesare pentru a antrena un model de la zero.
AI generativă are potențialul de a perturba multe industrii prin revoluționarea modului în care conținutul este creat și consumat. Producția de conținut original, generarea de cod, îmbunătățirea serviciului pentru clienți și rezumarea documentelor sunt cazuri tipice de utilizare a IA generativă.
Amazon SageMaker JumpStart oferă modele open-source pregătite în prealabil pentru o gamă largă de tipuri de probleme pentru a vă ajuta să începeți cu ML. Puteți antrena și ajusta progresiv aceste modele înainte de implementare. JumpStart oferă, de asemenea, șabloane de soluții care configurează infrastructura pentru cazuri de utilizare obișnuite și exemple de notebook-uri executabile pentru ML cu Amazon SageMaker.
Cu peste 600 de modele pre-instruite disponibile și în creștere în fiecare zi, JumpStart permite dezvoltatorilor să încorporeze rapid și ușor tehnici de ML de ultimă oră în fluxurile lor de producție. Puteți accesa modelele pre-instruite, șabloanele de soluții și exemplele prin pagina de destinație JumpStart din Amazon SageMaker Studio. De asemenea, puteți accesa modelele JumpStart folosind SDK-ul SageMaker Python. Pentru informații despre cum să utilizați modelele JumpStart în mod programatic, consultați Utilizați algoritmii SageMaker JumpStart cu modele preantrenate.
În aprilie 2023, AWS a dezvăluit Amazon Bedrock, care oferă o modalitate de a construi aplicații generative bazate pe inteligență artificială prin modele pre-instruite de la startup-uri, inclusiv Laboratoare AI21, Antropică, și Stabilitate AI. Amazon Bedrock oferă, de asemenea, acces la modelele de fundație Titan, o familie de modele instruite intern de AWS. Cu experiența fără server a Amazon Bedrock, puteți găsi cu ușurință modelul potrivit pentru nevoile dvs., puteți începe rapid, puteți personaliza în mod privat FM-urile cu propriile date și le puteți integra și implementa cu ușurință în aplicațiile dvs. folosind instrumentele și capabilitățile AWS pe care le cunoașteți. cu (inclusiv integrări cu funcții SageMaker ML, cum ar fi Experimente Amazon SageMaker pentru a testa diferite modele și Pipelines Amazon SageMaker pentru a vă gestiona FM-urile la scară) fără a fi nevoie să gestionați nicio infrastructură.
În această postare, arătăm cum să implementăm modele AI generatoare de imagini și text de la JumpStart folosind Kit AWS Cloud Development (AWS CDK). AWS CDK este un cadru de dezvoltare software open-source pentru a vă defini resursele aplicației cloud folosind limbaje de programare familiare precum Python.
Folosim modelul Stable Diffusion pentru generarea imaginii și modelul FLAN-T5-XL pentru înțelegerea limbajului natural (NLU) și generarea de text din Fata îmbrățișată în JumpStart.
Prezentare generală a soluțiilor
Aplicația web este construită pe Iluminat în flux, o bibliotecă Python open-source care facilitează crearea și partajarea unor aplicații web frumoase, personalizate, pentru ML și știința datelor. Gazduim aplicatia web folosind Serviciul Amazon de containere elastice (Amazon ECS) cu AWS Fargate și este accesat printr-un aplicație Load Balancer. Fargate este o tehnologie pe care o puteți utiliza cu Amazon ECS pentru a rula containere fără a fi nevoie să gestioneze servere sau clustere sau mașini virtuale. Punctele finale ale modelului AI generativ sunt lansate din imagini JumpStart în Registrul Amazon de containere elastice (Amazon ECR). Datele modelului sunt stocate pe Serviciul Amazon de stocare simplă (Amazon S3) în contul JumpStart. Aplicația web interacționează cu modelele prin Gateway API Amazon și AWS Lambdas funcționează așa cum se arată în diagrama următoare.
API Gateway oferă aplicației web și altor clienți o interfață RESTful standard, protejând în același timp funcțiile Lambda care interfață cu modelul. Acest lucru simplifică codul aplicației client care consumă modelele. Punctele finale API Gateway sunt accesibile public în acest exemplu, permițând posibilitatea de a extinde această arhitectură pentru a implementa diferite Controale de acces API și să se integreze cu alte aplicații.
În această postare, vă ghidăm prin următorii pași:
- instalaţi Interfața liniei de comandă AWS (AWS CLI) și AWS CDK v2 pe aparatul local.
- Clonați și configurați aplicația AWS CDK.
- Implementați aplicația AWS CDK.
- Utilizați modelul AI pentru generarea de imagini.
- Utilizați modelul AI de generare de text.
- Vizualizați resursele implementate pe Consola de administrare AWS.
Oferim o prezentare generală a codului din acest proiect în anexa de la sfârșitul acestei postări.
Cerințe preliminare
Trebuie să aveți următoarele condiții preliminare:
Puteți implementa infrastructura în acest tutorial de pe computerul local sau o puteți utiliza AWS Cloud9 ca stație de lucru de implementare. AWS Cloud9 vine preîncărcat cu AWS CLI, AWS CDK și Docker. Dacă optați pentru AWS Cloud9, crea mediul de la Consola AWS.
Costul estimat pentru finalizarea acestei postări este de 50 USD, presupunând că lăsați resursele în funcțiune timp de 8 ore. Asigurați-vă că ștergeți resursele pe care le creați în această postare pentru a evita taxele continue.
Instalați AWS CLI și AWS CDK pe mașina dvs. locală
Dacă nu aveți deja AWS CLI pe mașina dvs. locală, consultați Instalarea sau actualizarea celei mai recente versiuni a AWS CLI și Configurarea AWS CLI.
Instalați AWS CDK Toolkit la nivel global utilizând următoarea comandă de manager de pachete nod:
Rulați următoarea comandă pentru a verifica instalarea corectă și imprimați numărul versiunii AWS CDK:
Asigurați-vă că aveți Docker instalat pe mașina dvs. locală. Lansați următoarea comandă pentru a verifica versiunea:
Clonați și configurați aplicația AWS CDK
Pe mașina dvs. locală, clonați aplicația AWS CDK cu următoarea comandă:
Navigați la folderul proiectului:
Înainte de a implementa aplicația, să revizuim structura directorului:
stack
folderul conține codul pentru fiecare stivă din aplicația AWS CDK. The code
folderul conține codul pentru funcțiile Lambda. Depozitul conține și aplicația web situată sub folder web-app
.
cdk.json
fișierul spune AWS CDK Toolkit cum să ruleze aplicația.
Această aplicație a fost testată în us-east-1
Regiune, dar ar trebui să funcționeze în orice Regiune care are serviciile necesare și tipul de instanță de inferență ml.g4dn.4xlarge
specificat în app.py
.
Configurați un mediu virtual
Acest proiect este configurat ca un proiect standard Python. Creați un mediu virtual Python folosind următorul cod:
Utilizați următoarea comandă pentru a activa mediul virtual:
Dacă sunteți pe o platformă Windows, activați mediul virtual după cum urmează:
După ce mediul virtual este activat, actualizați pip la cea mai recentă versiune:
Instalați dependențele necesare:
Înainte de a implementa orice aplicație AWS CDK, trebuie să porniți un spațiu în contul dvs. și în regiunea în care implementați. Pentru a porni în Regiunea implicită, lansați următoarea comandă:
Dacă doriți să implementați într-un anumit cont și regiune, lansați următoarea comandă:
Pentru mai multe informații despre această configurare, vizitați Noțiuni introductive cu AWS CDK.
Structura stivei de aplicații AWS CDK
Aplicația AWS CDK conține mai multe stive, așa cum se arată în diagrama următoare.
Puteți enumera stivele din aplicația dvs. AWS CDK cu următoarea comandă:
Următoarele sunt alte comenzi utile AWS CDK:
- cdk ls – Listează toate stivele din aplicație
- cdk synth – Emite sintetizatul Formarea AWS Cloud șablon
- cdk deploy – Implementează această stivă în contul dvs. AWS implicit și în Regiunea
- dif. cdk – Compară stiva implementată cu starea curentă
- cdk docs – Deschide documentația AWS CDK
Următoarea secțiune vă arată cum să implementați aplicația AWS CDK.
Implementați aplicația AWS CDK
Aplicația AWS CDK va fi implementată în regiunea implicită în funcție de configurația stației de lucru. Dacă doriți să forțați implementarea într-o anumită regiune, setați AWS_DEFAULT_REGION
variabilă de mediu în consecință.
În acest moment, puteți implementa aplicația AWS CDK. Mai întâi lansați stiva de rețea VPC:
Dacă vi se solicită, intrați y
pentru a continua cu desfășurarea. Ar trebui să vedeți o listă de resurse AWS care sunt furnizate în stivă. Acest pas durează aproximativ 3 minute.
Apoi lansați stiva de aplicații web:
După analizarea stivei, AWS CDK va afișa lista de resurse în stivă. Introduceți y pentru a continua implementarea. Acest pas durează aproximativ 5 minute.
Notați jos WebApplicationServiceURL
de la ieșire pentru a fi utilizat mai târziu. De asemenea, îl puteți prelua din consola AWS CloudFormation, sub GenerativeAiDemoWebStack
stiva ieșiri.
Acum, lansați stiva de puncte finale de model AI pentru generarea de imagini:
Acest pas durează aproximativ 8 minute. Punctul final al modelului de generare a imaginii este implementat, acum îl putem folosi.
Utilizați modelul AI pentru generarea de imagini
Primul exemplu demonstrează cum se utilizează Stable Diffusion, o tehnică puternică de modelare generativă care permite crearea de imagini de înaltă calitate din mesaje text.
- Accesați aplicația web folosind
WebApplicationServiceURL
din ieșirea deGenerativeAiDemoWebStack
în browserul dvs. - În panoul de navigare, alegeți Generarea imaginii.
- Numele punctului final SageMaker și Url API GW câmpurile vor fi pre-completate, dar puteți modifica solicitarea pentru descrierea imaginii dacă doriți.
- Alege Generați imaginea.
- Aplicația va efectua un apel către punctul final SageMaker. Durează câteva secunde. Va fi afișată o imagine cu caracteristicile din descrierea imaginii dvs.
Utilizați modelul AI de generare de text
Al doilea exemplu se concentrează pe utilizarea modelului FLAN-T5-XL, care este o bază sau un model de limbă mare (LLM), pentru a obține învățarea în context pentru generarea de text, abordând, în același timp, o gamă largă de înțelegere a limbajului natural (NLU) și natural. sarcini de generare a limbii (NLG).
Unele medii pot limita numărul de puncte finale pe care le puteți lansa simultan. Dacă acesta este cazul, puteți lansa câte un punct final SageMaker odată. Pentru a opri un punct final SageMaker în aplicația AWS CDK, trebuie să distrugeți stiva de puncte finale implementate și înainte de a lansa cealaltă stivă de puncte finale. Pentru a dezactiva punctul final al modelului AI pentru generarea de imagini, lansați următoarea comandă:
Apoi lansați stiva de puncte finale de model AI de generare de text:
Introduceți y la solicitări.
După lansarea stivei de puncte finale de model de generare de text, parcurgeți următorii pași:
- Reveniți la aplicația web și alegeți Generarea textului în panoul de navigare.
- Context de intrare câmpul este pre-populat cu o conversație între un client și un agent cu privire la o problemă cu telefonul clienților, dar puteți introduce propriul context dacă doriți.
- Sub context, veți găsi câteva interogări pre-populate în meniul derulant. Alegeți o interogare și alegeți Generați răspuns.
- De asemenea, puteți introduce propria interogare în Interogare de intrare câmp și apoi alegeți Generați răspuns.
Vizualizați resursele implementate pe consolă
În consola AWS CloudFormation, alegeți Stive în panoul de navigare pentru a vizualiza stivele implementate.
Pe consola Amazon ECS, puteți vedea clusterele de pe clusterele .
Pe consola AWS Lambda, puteți vedea funcțiile de pe funcţii .
Pe consola API Gateway, puteți vedea punctele finale API Gateway pe API-uri .
Pe consola SageMaker, puteți vedea punctele finale ale modelului implementate pe Puncte finale .
Când stivele sunt lansate, sunt generați unii parametri. Acestea sunt stocate în Magazin de parametri AWS Systems Manager. Pentru a le vizualiza, alegeți Magazin de parametri în panoul de navigare de pe Manager sistem AWS consolă.
A curăța
Pentru a evita costurile inutile, curățați toată infrastructura creată cu următoarea comandă pe stația dvs. de lucru:
Intrați y
la prompt. Acest pas durează aproximativ 10 minute. Verificați dacă toate resursele sunt șterse de pe consolă. Ștergeți, de asemenea, compartimentele S3 de active create de AWS CDK pe consola Amazon S3, precum și depozitele de active de pe Amazon ECR.
Concluzie
După cum s-a demonstrat în această postare, puteți utiliza AWS CDK pentru a implementa modele AI generative în JumpStart. Am arătat un exemplu de generare de imagini și un exemplu de generare de text folosind o interfață de utilizator alimentată de Streamlit, Lambda și API Gateway.
Acum vă puteți construi proiectele AI generative folosind modele AI pregătite în prealabil în JumpStart. De asemenea, puteți extinde acest proiect pentru a ajusta modelele de bază pentru cazul dvs. de utilizare și pentru a controla accesul la punctele finale API Gateway.
Vă invităm să testați soluția și să contribuiți la proiect GitHub. Împărtășește-ți părerile despre acest tutorial în comentarii!
Rezumatul licenței
Acest exemplu de cod este disponibil sub o licență MIT modificată. Vezi LICENȚĂ fisier pentru mai multe informatii. De asemenea, revizuiți licențele respective pentru difuzie stabilă și flan-t5-xl modele pe Hugging Face.
Despre autori
Hantzley Tauckoor este lider în arhitectură APJ Partner Solutions cu sediul în Singapore. Are 20 de ani de experiență în industria TIC, acoperind mai multe domenii funcționale, inclusiv arhitectura soluțiilor, dezvoltarea afacerii, strategia de vânzări, consultanță și leadership. El conduce o echipă de arhitecți senior de soluții care le permit partenerilor să dezvolte soluții comune, să construiască capabilități tehnice și să le conducă prin faza de implementare, pe măsură ce clienții migrează și își modernizează aplicațiile către AWS.
Kwonyul Choi este CTO la BABITALK, un startup coreean al platformei de îngrijire a frumuseții, cu sediul în Seul. Înainte de acest rol, Kownyul a lucrat ca inginer de dezvoltare software la AWS, cu accent pe AWS CDK și Amazon SageMaker.
Arunprasath Shankar este un Senior AI/ML Specialist Solutions Architect cu AWS, ajutând clienții globali să-și scaleze soluțiile AI în mod eficient și eficient în cloud. În timpul liber, lui Arun îi place să se uite la filme SF și să asculte muzică clasică.
Satish Upreti este un PSA principal de migrație și IMM de securitate în organizația parteneră din APJ. Satish are 20 de ani de experiență în domeniul cloud-ului privat local și al tehnologiilor cloud public. De când s-a alăturat AWS în august 2020 ca specialist în migrare, el oferă consiliere tehnică extinsă și asistență partenerilor AWS pentru a planifica și implementa migrări complexe.
Anexă: Descrierea codului
În această secțiune, oferim o prezentare generală a codului din acest proiect.
Aplicație AWS CDK
Aplicația principală AWS CDK este conținută în app.py
fișier în directorul rădăcină. Proiectul constă din mai multe stive, așa că trebuie să importam stivele:
Definim modelele noastre AI generative și obținem URI-urile aferente de la SageMaker:
Funcția get_sagemaker_uris preia toate informațiile despre model din JumpStart. Vedea script/sagemaker_uri.py
.
Apoi, instanțiem stivele:
Prima stivă care se lansează este stiva VPC, GenerativeAiVpcNetworkStack. Stiva de aplicații web, GenerativeAiDemoWebStack, depinde de stiva VPC. Dependența se realizează prin trecerea parametrului vpc=network_stack.vpc.
Vedea app.py
pentru codul complet.
Stiva de rețea VPC
În stiva GenerativeAiVpcNetworkStack, creăm un VPC cu o subrețea publică și o subrețea privată care se întinde pe două zone de disponibilitate:
Vedea /stack/generative_ai_vpc_network_stack.py
pentru codul complet.
Stiva de aplicații web demonstrative
În stiva GenerativeAiDemoWebStack, lansăm funcții Lambda și punctele finale ale API Gateway prin care aplicația web interacționează cu punctele finale ale modelului SageMaker. Vedeți următorul fragment de cod:
Aplicația web este containerizată și găzduită pe Amazon ECS cu Fargate. Vedeți următorul fragment de cod:
Vedea /stack/generative_ai_demo_web_stack.py
pentru codul complet.
Generarea de imagini SageMaker model stack endpoint
Stiva GenerativeAiTxt2imgSagemakerStack creează punctul final al modelului de generare a imaginii din JumpStart și stochează numele punctului final în Systems Manager Parameter Store. Acest parametru va fi utilizat de aplicația web. Vezi următorul cod:
Vedea /stack/generative_ai_txt2img_sagemaker_stack.py
pentru codul complet.
Stiva de puncte terminale model NLU și generare de text SageMaker
Stiva GenerativeAiTxt2nluSagemakerStack creează punctul final NLU și model de generare de text din JumpStart și stochează numele punctului final în Systems Manager Parameter Store. Acest parametru va fi folosit și de aplicația web. Vezi următorul cod:
Vedea /stack/generative_ai_txt2nlu_sagemaker_stack.py
pentru codul complet.
aplicatie web
Aplicația web se află în /web-app
director. Este o aplicație Streamlit care este containerizată conform Dockerfile
:
Pentru a afla mai multe despre Streamlit, consultați Documentație simplificată.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoAiStream. Web3 Data Intelligence. Cunoștințe amplificate. Accesați Aici.
- Mintând viitorul cu Adryenn Ashley. Accesați Aici.
- Cumpărați și vindeți acțiuni în companii PRE-IPO cu PREIPO®. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :are
- :este
- $UP
- 1
- 10
- 100
- 20
- ani 20
- 2020
- 2023
- 7
- 8
- 9
- a
- Despre Noi
- acces
- accesate
- accesibil
- în consecință
- Cont
- Obține
- peste
- adapta
- adresare
- Adoptarea
- Adoptare
- avansare
- sfat
- Agent
- AI
- AI-alimentat
- AI / ML
- algoritmi
- TOATE
- Permiterea
- deja
- de asemenea
- Amazon
- Gateway API Amazon
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- analiza
- și
- Orice
- api
- aplicaţia
- aplicație
- aplicatii
- Apps
- Aprilie
- arhitectură
- SUNT
- domenii
- în jurul
- AS
- Bunuri
- At
- atenţie
- August
- disponibilitate
- disponibil
- evita
- AWS
- AWS Cloud9
- Formarea AWS Cloud
- AWS Lambdas
- înapoi
- echilibrist
- bazat
- BAT
- BE
- frumos
- Frumuseţe
- înainte
- fiind
- Crede
- între
- Bootstrap
- larg
- browser-ul
- construi
- construit
- afaceri
- dezvoltarea afacerii
- întreprinderi
- dar
- by
- apel
- CAN
- capacități
- Capacitate
- capturat
- pasă
- caz
- cazuri
- CD
- Centre
- Schimbare
- Caracteristici
- taxe
- verifica
- Alege
- client
- clientii
- Cloud
- Cloud9
- cod
- vine
- Comun
- în mod obișnuit
- Completă
- complex
- Calcula
- calculator
- Configuraţie
- Consoleze
- construi
- consultant
- consumate
- conținute
- Recipient
- conține
- conţinut
- context
- a contribui
- Control
- Conversație
- conversații
- corecta
- A costat
- crea
- a creat
- creează
- creaţie
- CTO
- Curent
- personalizat
- client
- experienta clientului
- Serviciu clienți
- clienţii care
- personaliza
- ultima generație
- de date
- știința datelor
- zi
- zeci de ani
- Mod implicit
- defineste
- demonstrat
- demonstrează
- Dependenţă
- Dependent/ă
- implementa
- dislocate
- Implementarea
- desfășurarea
- implementează
- descriere
- distruge
- dezvolta
- Dezvoltatorii
- Dezvoltare
- diferit
- difuziune
- Afişa
- distruge
- Docher
- document
- făcut
- Dont
- jos
- fiecare
- cu ușurință
- uşor
- în mod eficient
- eficient
- permite
- permite
- capăt
- Punct final
- inginer
- Intrați
- Mediu inconjurator
- medii
- estimativ
- Fiecare
- in fiecare zi
- toată lumea e
- exemplu
- exemple
- captivant
- experienţă
- extinde
- extensiv
- Față
- fals
- familiar
- familie
- DESCRIERE
- puțini
- camp
- Domenii
- Fișier
- Găsi
- First
- Concentra
- următor
- urmează
- Pentru
- Forţarea
- Fundație
- fracțiune
- Cadru
- din
- Complet
- funcţie
- funcțional
- funcții
- poartă
- aduna
- culegere
- scop general
- generată
- generaţie
- generativ
- AI generativă
- obține
- merge
- Caritate
- La nivel global
- În creştere
- Avea
- având în
- he
- ajutor
- ajutor
- de înaltă calitate
- lui
- Acasă
- gazdă
- găzduit
- ORE
- Cum
- Cum Pentru a
- HTML
- http
- HTTPS
- TIC
- idei
- if
- imagine
- imagini
- imaginaţie
- punerea în aplicare a
- implementarea
- import
- in
- Inclusiv
- incorpora
- industrii
- industrie
- Infinit
- Punct de inflexiune
- informații
- Infrastructură
- instala
- instalare
- instalat
- instanță
- in schimb
- integra
- integrările
- interactiv
- interfaţă
- în
- invita
- problema
- IT
- aderarea
- comun
- jpg
- JSON
- Coreeană
- aterizare
- limbă
- Limbă
- mare
- mai tarziu
- Ultimele
- lansa
- a lansat
- lansare
- conduce
- lider
- Conducere
- Conduce
- AFLAȚI
- învăţare
- Părăsi
- Bibliotecă
- Licență
- licențe
- ca
- LIMITĂ
- Linie
- Listă
- Ascultare
- liste
- LLM
- încărca
- local
- situat
- maşină
- masina de învățare
- Masini
- făcut
- Principal
- face
- FACE
- administra
- administrare
- manager
- multe
- masiv
- Meniu
- ar putea
- migra
- migrațiune
- minute
- MIT
- ML
- model
- Modele
- moderniza
- modificată
- mai mult
- Filme
- multiplu
- Muzică
- trebuie sa
- nume
- Natural
- Natură
- Navigare
- Nevoie
- nevoilor
- reţea
- Nou
- următor
- nod
- acum
- număr
- of
- promoții
- on
- ONE
- în curs de desfășurare
- afară
- open-source
- Software open-source
- deschide
- or
- comandă
- organizație
- original
- Altele
- al nostru
- producție
- peste
- Prezentare generală
- propriu
- pachet
- pagină
- pâine
- paradigmă
- parametru
- parametrii
- partener
- parteneri
- Care trece
- Efectua
- fază
- telefon
- imagine
- plan
- platformă
- Plato
- Informații despre date Platon
- PlatoData
- Punct
- posibilitate
- Post
- potenţial
- alimentat
- puternic
- premise
- anterior
- privat
- Problemă
- producere
- Programare
- limbaje de programare
- proiect
- Proiecte
- furniza
- furnizează
- public
- Norul public
- public
- Piton
- interogări
- repede
- gamă
- rapid
- repede
- gata
- recent
- menționat
- cu privire la
- regiune
- legate de
- depozit
- necesar
- Cerinţe
- resursă
- Resurse
- respectiv
- revizuiască
- Revoluţionare
- dreapta
- Rol
- rădăcină
- Alerga
- funcţionare
- sagemaker
- de vânzări
- acelaşi
- Scară
- Sci-Fi
- Ştiinţă
- zgâria
- sdk
- Al doilea
- secunde
- Secțiune
- securitate
- vedea
- seminţe
- SELF
- senior
- sentiment
- Seul
- serverless
- Servere
- serviciu
- Servicii
- set
- configurarea
- Distribuie
- schimbare
- să
- Arăta
- a arătat
- indicat
- Emisiuni
- simplu
- întrucât
- Singapore
- Mărimea
- mic
- EMS
- So
- Software
- de dezvoltare de software
- soluţie
- soluţii
- unele
- Sursă
- Spaţiu
- specialist
- specific
- specificată
- stabil
- stivui
- Stive
- standard
- început
- lansare
- Startup-urile
- Pas
- paşi
- Stop
- depozitare
- stoca
- stocate
- magazine
- Istorii
- Strategie
- structura
- subrețea
- a sustine
- sisteme
- ia
- Sarcină
- sarcini
- echipă
- Tehnic
- tehnici de
- Tehnologii
- Tehnologia
- spune
- şabloane
- test
- teste
- acea
- lor
- Lor
- apoi
- Acestea
- acest
- Prin
- timp
- gigant
- la
- Toolkit
- Unelte
- tradiţional
- tradiţional
- Tren
- dresat
- Pregătire
- Transforma
- Tendinţe
- adevărat
- cu adevărat
- ÎNTORCĂ
- tutorial
- Două
- tip
- Tipuri
- tipic
- tipic
- în
- înţelegere
- dezvaluit
- actualizarea
- upgrade-ul
- utilizare
- carcasa de utilizare
- utilizat
- Utilizator
- User Interface
- folosind
- folosi
- diverse
- Fixă
- verifica
- versiune
- de
- Video
- Vizualizare
- Virtual
- practic
- Vizita
- vrea
- a fost
- vizionarea
- Cale..
- we
- web
- aplicatie web
- servicii web
- BINE
- care
- în timp ce
- larg
- Gamă largă
- pe scară largă
- Wikipedia
- voi
- ferestre
- cu
- fără
- Apartamente
- a lucrat
- fluxuri de lucru
- Statie de lucru
- ani
- Tu
- Ta
- zephyrnet
- zone