Этот пост написан в соавторстве с Дэрилом Мартисом, директором по продукту Salesforce Einstein AI.
Это третья статья в серии, в которой обсуждается интеграция Salesforce Data Cloud и Создатель мудреца Амазонки.
In Часть 1 и Часть 2, мы покажем, как интеграция Salesforce Data Cloud и Einstein Studio с SageMaker позволяет компаниям безопасно получать доступ к своим данным Salesforce с помощью SageMaker и использовать его инструменты для создания, обучения и развертывания моделей на конечных точках, размещенных на SageMaker. Конечные точки SageMaker можно зарегистрировать в облаке данных Salesforce, чтобы активировать прогнозы в Salesforce.
В этом посте мы демонстрируем, как бизнес-аналитики и специалисты по гражданским данным могут создавать модели машинного обучения (ML) без какого-либо кода в Холст Amazon SageMaker и развертывайте обученные модели для интеграции с Salesforce Einstein Studio для создания мощных бизнес-приложений. SageMaker Canvas обеспечивает доступ к данным из Salesforce Data Cloud без написания кода, а также создание, тестирование и развертывание моделей всего за несколько щелчков мышью. SageMaker Canvas также позволяет вам понять ваши прогнозы, используя важность функций и значения SHAP, что упрощает объяснение прогнозов, сделанных с помощью моделей ML.
Холст SageMaker
SageMaker Canvas позволяет бизнес-аналитикам и группам специалистов по обработке данных создавать и использовать модели машинного обучения и генеративного искусственного интеллекта без необходимости писать единую строку кода. SageMaker Canvas предоставляет визуальный интерфейс «укажи и щелкни» для создания точных прогнозов ML для классификации, регрессии, прогнозирования, обработки естественного языка (NLP) и компьютерного зрения (CV). Кроме того, вы можете получить доступ к моделям фундамента (FM) и оценить их из Коренная порода Амазонки или публичные FM из Amazon SageMaker JumpStart для генерации контента, извлечения текста и обобщения текста для поддержки генеративных решений искусственного интеллекта. SageMaker Canvas позволяет вам переносите модели машинного обучения где угодно и генерируйте прогнозы непосредственно в SageMaker Canvas.
Облако данных Salesforce и Einstein Studio
Salesforce Data Cloud — это платформа данных, которая предоставляет предприятиям обновления данных о клиентах в режиме реального времени из любой точки взаимодействия.
Einstein Studio — это доступ к инструментам искусственного интеллекта в облаке данных Salesforce. С помощью Einstein Studio администраторы и специалисты по обработке данных могут легко создавать модели несколькими щелчками мыши или с помощью кода. Функция «Принеси свою собственную модель» (BYOM) в Einstein Studio позволяет подключать пользовательские или генеративные модели искусственного интеллекта с внешних платформ, таких как SageMaker, к облаку данных Salesforce.
Обзор решения
Чтобы продемонстрировать, как можно создавать модели машинного обучения с использованием данных в Salesforce Data Cloud с помощью SageMaker Canvas, мы создаем прогнозную модель, чтобы рекомендовать продукт. Эта модель использует функции, хранящиеся в облаке данных Salesforce, такие как демографические данные клиентов, маркетинговые мероприятия и история покупок. Модель рекомендаций по продукту создается и развертывается с использованием пользовательского интерфейса SageMaker Canvas без программирования с использованием данных в Salesforce Data Cloud.
Мы используем следующие образец набора данных Хранится в Простой сервис хранения Amazon (Амазонка S3). Чтобы использовать этот набор данных в Salesforce Data Cloud, см. Создание потока данных Amazon S3 в облаке данных. Для создания модели необходимы следующие атрибуты:
- член клуба – Если клиент является членом клуба
- Кампания – Кампания, в которой участвует клиент
- Область – Штат или провинция, в которой проживает клиент
- Месяц - Месяц покупки
- Количество дел – Количество обращений, поднятых заказчиком
- Тип дела Возврат – Возвратил ли покупатель какой-либо товар в течение последнего года
- Тип корпуса Поврежденный груз – Были ли у клиента какие-либо повреждения отправлений в прошлом году
- Оценка вовлеченности – Уровень вовлеченности клиента (ответы на рассылки, входы в интернет-магазин и т. д.)
- Пребывание в должности - Длительность клиентских отношений с компанией
- Щелчки – Среднее количество кликов, сделанных покупателем в течение недели до покупки.
- Посещенных страниц – Среднее количество страниц, посещенных клиентом в течение недели перед покупкой.
- Приобретенный продукт - Фактически купленный продукт
Следующие шаги дают обзор того, как использовать соединитель Salesforce Data Cloud, запущенный в SageMaker Canvas, для доступа к корпоративным данным и построения прогнозной модели:
- Настройте подключенное приложение Salesforce для регистрации домена SageMaker Canvas.
- Настройте OAuth для облака данных Salesforce в SageMaker Canvas.
- Подключитесь к данным Salesforce Data Cloud с помощью встроенного коннектора SageMaker Canvas Salesforce Data Cloud и импортируйте набор данных.
- Создавайте и обучайте модели в SageMaker Canvas.
- Разверните модель в SageMaker Canvas и сделайте прогнозы.
- Развернуть Шлюз API Amazon конечная точка как внешнее соединение с конечной точкой вывода SageMaker.
- Зарегистрируйте конечную точку API-шлюза в Einstein Studio. Инструкции см. Перенесите свои собственные модели ИИ в облако данных.
Следующая диаграмма иллюстрирует архитектуру решения.
Предпосылки
Прежде чем приступить к работе, выполните следующие необходимые шаги, чтобы создать домен SageMaker и включить SageMaker Canvas:
- Создать Студия Amazon SageMaker домен. Инструкции см. Подключение к домену Amazon SageMaker.
- Запишите идентификатор домена и роль исполнения, которая будет создана и будет использоваться вашим профилем пользователя. Разрешения для этой роли добавляются на последующих шагах.
На следующем снимке экрана показан домен, который мы создали для этого поста.
- Далее перейдите в профиль пользователя и выберите Редактировать.
- Перейдите в Настройки холста Amazon SageMaker раздел и выберите Включить базовые разрешения Canvas.
- Выберите Включите прямое развертывание моделей Canvas. и Включить разрешения реестра модели для всех пользователей..
Это позволяет SageMaker Canvas развертывать модели на конечных точках консоли SageMaker. Эти параметры можно настроить на уровне домена или профиля пользователя. Настройки профиля пользователя имеют приоритет над настройками домена.
Создайте или обновите связанное приложение Salesforce.
Затем мы создаем подключенное приложение Salesforce, чтобы включить поток OAuth из SageMaker Canvas в Salesforce Data Cloud. Выполните следующие шаги:
- Войдите в систему Salesforce и перейдите к Установка.
- Найдите App Manager и создайте новое связанное приложение.
- Предоставьте следующие входные данные:
- Что касается Имя подключенного приложениявведите имя.
- Что касается Имя API, оставьте по умолчанию (заполняется автоматически).
- Что касается Контактный адрес электронной почты, введите свой контактный адрес электронной почты.
- Выберите Включить настройки OAuth.
- Что касается URL обратного вызова, войти
https://<domain-id>.studio.<region>.sagemaker.aws/canvas/default/lab
и укажите идентификатор домена и регион вашего домена SageMaker.
- Настройте следующие области в подключенном приложении:
- Управляйте пользовательскими данными через API (
api
). - Выполнять запросы в любое время (
refresh_token
,offline_access
). - Выполнение запросов ANSI SQL к данным облака данных Salesforce (данные
Cloud_query_api
). - Управление данными профиля Data Cloud (
Data Cloud_profile_api
). - Доступ к службе URL-адресов удостоверений (
id
,profile
,email
,address
,phone
). - Доступ к уникальным идентификаторам пользователей (
openid
).
- Управляйте пользовательскими данными через API (
- Установите связанное приложение IP-расслабление установка для Ослабьте ограничения IP.
Настройка параметров OAuth для соединителя Salesforce Data Cloud
SageMaker Canvas использует Менеджер секретов AWS для безопасного хранения информации о подключении из подключенного приложения Salesforce. SageMaker Canvas позволяет администраторам настраивать параметры OAuth для отдельного профиля пользователя или на уровне домена. Обратите внимание, что вы можете добавить секрет как в домен, так и в профиль пользователя, но SageMaker Canvas сначала ищет секреты в профиле пользователя.
Чтобы настроить параметры OAuth, выполните следующие шаги:
- Перейдите к редактированию настроек домена или профиля пользователя в консоли SageMaker.
- Выберите Настройки холста в навигационной панели.
- Под Настройки OAuth, Для Источник данных, выберите Облако данных Salesforce.
- Что касается Секретная настройка, вы можете создать новый секрет или использовать существующий секрет. В этом примере мы создаем новый секрет и вводим идентификатор клиента и секрет клиента из подключенного приложения Salesforce.
Более подробную информацию о включении OAuth в SageMaker Canvas см. Настройка OAuth для облака данных Salesforce.
На этом настройка для обеспечения доступа к данным из Salesforce Data Cloud в SageMaker Canvas для создания моделей искусственного интеллекта и машинного обучения завершена.
Импортируйте данные из облака данных Salesforce.
Чтобы импортировать данные, выполните следующие действия:
- В профиле пользователя, который вы создали в своем домене SageMaker, выберите Презентация и холст.
При первом доступе к приложению Canvas его создание займет около 10 минут.
- Выберите Обработчик данных в навигационной панели.
- На Создавай Меню, выберите табличный для создания табличного набора данных.
- Назовите набор данных и выберите Создавай.
- Что касается Источник данных, выберите Облако данных Salesforce и Добавить соединение для импорта объекта озера данных.
Если вы ранее настроили подключение к Salesforce Data Cloud, вы увидите возможность использовать это подключение вместо создания нового.
- Укажите имя для нового подключения к облаку данных Salesforce и выберите Добавить соединение.
Это займет несколько минут.
- Вы будете перенаправлены на Вход в систему Salesforce страницу для авторизации соединения.
После успешного входа в систему запрос будет перенаправлен обратно в SageMaker Canvas со списком объектов озера данных.
- Выберите набор данных, содержащий функции для обучения модели, загруженный через Amazon S3.
- Перетащите файл, затем выберите Изменить в SQL.
Salesforce добавляет “__c
« ко всем полям объекта Data Cloud. Согласно соглашению об именах SageMaker Canvas, ”__“
в именах полей не допускается.
- Отредактируйте SQL, чтобы переименовать столбцы и удалить метаданные, которые не нужны для обучения модели. Замените имя таблицы именем вашего объекта.
- Выберите Запустить SQL , а затем Создать набор данных.
- Выберите набор данных и выберите Создать модель.
- Чтобы создать модель для прогнозирования рекомендаций по продукту, укажите имя модели, выберите Прогнозный анализ для Тип проблемы, и выберите Создавай.
Построить и обучить модель
Выполните следующие шаги, чтобы построить и обучить модель:
- После запуска модели установите целевой столбец на
product_purchased
.
SageMaker Canvas отображает ключевые статистические данные и корреляции каждого столбца с целевым столбцом. SageMaker Canvas предоставляет инструменты для предварительного просмотра модели и проверки данных перед началом построения.
- Используйте функцию предварительного просмотра модели, чтобы увидеть точность вашей модели и проверить набор данных, чтобы предотвратить проблемы при построении модели.
- После просмотра данных и внесения любых изменений в набор данных выберите тип сборки. Быстрая сборка Этот вариант может быть быстрее, но он будет использовать только часть ваших данных для построения модели. Для этой статьи мы выбрали Стандартная сборка опцию.
Стандартная сборка может занять 2–4 часа.
SageMaker Canvas автоматически обрабатывает недостающие значения в наборе данных при построении модели. Он также применит другие преобразования для подготовки данных, чтобы подготовить данные для машинного обучения.
- После того, как ваша модель начнет строиться, вы можете покинуть страницу.
Когда модель отображается как Готовый на Мои модели страница готова для анализа и прогнозов.
- После построения модели перейдите к My Модели, выберите Вид чтобы просмотреть созданную вами модель и выбрать самую последнюю версию.
- Перейдите в Анализировать вкладка, чтобы увидеть влияние каждой функции на прогноз.
- Для получения дополнительной информации о прогнозах модели перейдите к Счет меню.
- Выберите прогнозировать инициировать прогнозирование продукта.
Разверните модель и сделайте прогнозы
Выполните следующие шаги, чтобы развернуть свою модель и начать делать прогнозы:
- Вы можете сделать пакетный или одиночный прогноз. Для целей этого поста мы выбираем Один прогноз.
Когда вы выбираете Один прогноз, SageMaker Canvas отображает функции, для которых вы можете предоставить входные данные.
- Вы можете изменить значения, выбрав Обновление ПО и просмотреть прогноз в реальном времени.
Будет отображена точность модели, а также влияние каждой функции на этот конкретный прогноз.
- Чтобы развернуть модель, укажите имя развертывания, выберите тип экземпляра и количество экземпляров, а затем выберите Развертывание.
Развертывание модели займет несколько минут.
Статус модели обновлен до В сервисе после успешного развертывания.
SageMaker Canvas предоставляет возможность протестировать развертывание.
- Выберите Посмотреть детали.
Ассоциация Подробнее Вкладка содержит сведения о конечной точке модели. Тип экземпляра, количество, формат ввода, содержимое ответа и конечная точка — вот некоторые из ключевых отображаемых сведений.
- Выберите Тестовое развертывание для тестирования развернутой конечной точки.
Подобно одиночному прогнозу, представление отображает входные объекты и предоставляет возможность обновлять и тестировать конечную точку в реальном времени.
Новый прогноз вместе с результатом вызова конечной точки возвращается пользователю.
Создайте API для предоставления конечной точки SageMaker.
Чтобы генерировать прогнозы, которые используются в бизнес-приложениях в Salesforce, вам необходимо предоставить конечную точку вывода SageMaker, созданную при развертывании SageMaker Canvas, через шлюз API и зарегистрировать ее в Salesforce Einstein.
Форматы запросов и ответов различаются в зависимости от Salesforce Einstein и конечной точки вывода SageMaker. Вы можете использовать API Gateway для выполнения преобразования или использовать AWS Lambda для преобразования запроса и отображения ответа. Ссылаться на Вызов конечной точки модели Amazon SageMaker с помощью Amazon API Gateway и AWS Lambda чтобы предоставить конечную точку SageMaker через Lambda и API Gateway.
Следующий фрагмент кода представляет собой лямбда-функцию для преобразования запроса и ответа.
Обновите endpoint
и prediction_label
значения в функции Lambda в зависимости от вашей конфигурации.
- Добавьте переменную среды
SAGEMAKER_ENDPOINT_NAME
для захвата конечной точки вывода SageMaker. - Установите метку прогноза, соответствующую выходному ключу JSON модели, зарегистрированному в Einstein Studio.
Тайм-аут по умолчанию для функции Lambda составляет 3 секунды. В зависимости от размера входных данных запроса прогнозирования ответ API вывода в реальном времени SageMaker может занять более 3 секунд.
- Увеличьте время ожидания функции Lambda, но оставьте его ниже Тайм-аут интеграции API-шлюза по умолчанию, что составляет 29 секунд.
Зарегистрируйте модель в Salesforce Einstein Studio.
Чтобы зарегистрировать конечную точку API-шлюза в Einstein Studio, см. Перенесите свои собственные модели ИИ в облако данных.
Заключение
В этом посте мы объяснили, как можно использовать SageMaker Canvas для подключения к облаку данных Salesforce и генерирования прогнозов с помощью автоматизированных функций машинного обучения без написания единой строки кода. Мы продемонстрировали возможность построения модели SageMaker Canvas, позволяющую предварительно оценить производительность вашей модели перед запуском стандартной сборки, которая обучает модель с полным набором данных. Мы также продемонстрировали действия по созданию постмодели, такие как использование единого интерфейса прогнозов в SageMaker Canvas и понимание ваших прогнозов с использованием важности функций. Затем мы использовали конечную точку SageMaker, созданную в SageMaker Canvas, и сделали ее доступной в виде API, чтобы вы могли интегрировать ее с Salesforce Einstein Studio и создавать мощные приложения Salesforce.
В следующем посте мы покажем вам, как использовать данные из облака данных Salesforce в SageMaker Canvas, чтобы еще больше упростить анализ и подготовку данных за счет использования визуального интерфейса и простых подсказок на естественном языке.
Чтобы начать работу с SageMaker Canvas, см. День погружения в SageMaker Canvas и обратитесь к Начало работы с Amazon SageMaker Canvas.
Об авторах
Дэрил Мартис — директор по продуктам Einstein Studio в Salesforce Data Cloud. Он имеет более чем 10-летний опыт планирования, создания, запуска и управления решениями мирового класса для корпоративных клиентов, включая решения AI/ML и облачные решения. Ранее он работал в сфере финансовых услуг в Нью-Йорке. Следуй за ним дальше LinkedIn.
Рахна Чадха является главным архитектором решений AI/ML в области стратегических счетов в AWS. Рахна — оптимистка, считающая, что этичное и ответственное использование ИИ может улучшить общество в будущем и принести экономическое и социальное процветание. В свободное время Рахна любит проводить время со своей семьей, ходить в походы и слушать музыку.
Ифе Стюарт является главным архитектором решений в сегменте стратегических независимых поставщиков программного обеспечения в AWS. В течение последних 2 лет она работала с Salesforce Data Cloud, чтобы помочь создать интегрированный клиентский опыт в Salesforce и AWS. Ife имеет более чем 10-летний опыт работы в области технологий. Она выступает за разнообразие и инклюзивность в области технологий.
Рави Бхаттипролу — старший архитектор партнерских решений в AWS. Рави работает со стратегическими партнерами Salesforce и Tableau, чтобы предоставлять инновационные и хорошо продуманные продукты и решения, которые помогают общим клиентам реализовать свои бизнес-цели.
Мириам Лебовиц — архитектор решений в сегменте стратегического независимого ПО в AWS. Она взаимодействует с командами Salesforce, включая Salesforce Data Cloud, и специализируется на анализе данных. Вне работы она любит печь, путешествовать и проводить время с друзьями и семьей.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/democratize-ml-on-salesforce-data-cloud-with-no-code-amazon-sagemaker-canvas/
- :имеет
- :является
- :нет
- $UP
- 1
- 10
- 100
- 29
- 7
- 8
- a
- О нас
- доступ
- Учетные записи
- точность
- точный
- через
- активно
- фактического соединения
- Добавить
- дополнение
- дополнительный
- Дополнительная информация
- адрес
- Добавляет
- администраторы
- адвокат
- После
- AI
- AI модели
- AI / ML
- Все
- разрешено
- позволяет
- вдоль
- причислены
- Amazon
- Шлюз API Amazon
- Создатель мудреца Амазонки
- Холст Amazon SageMaker
- Amazon Web Services
- an
- анализ
- Аналитики
- аналитика
- и
- любой
- API
- API
- приложение
- Приложения
- Применить
- архитектура
- МЫ
- AS
- At
- Атрибуты
- санкционировать
- Автоматизированный
- автоматически
- доступен
- в среднем
- AWS
- назад
- Использование темпера с изогнутым основанием
- основанный
- BE
- было
- до
- начинать
- считает,
- ниже
- между
- тело
- изоферменты печени
- приносить
- строить
- Строительство
- строит
- построенный
- встроенный
- бизнес
- Бизнес-приложения
- бизнес
- но
- by
- Калифорния
- Кампания
- Кампании
- CAN
- холст
- возможности
- захватить
- случаев
- изменение
- изменения
- Выберите
- Выбирая
- гражданин
- Город
- классификация
- клиент
- облако
- клуб
- код
- Column
- Колонки
- полный
- зАВЕРШАЕТ
- компьютер
- Компьютерное зрение
- Проводить
- Конфигурация
- настроить
- Свяжитесь
- подключенный
- связи
- Консоли
- обращайтесь
- содержит
- содержание
- Генерация контента
- контекст
- Соглашение
- корреляции
- может
- Создайте
- создали
- Создающий
- создание
- изготовленный на заказ
- клиент
- данные клиентов
- Клиенты
- данным
- доступ к данным
- Анализ данных
- Озеро данных
- Платформа данных
- наука о данных
- По умолчанию
- доставить
- демократизировать
- Демографическая
- демонстрировать
- убивают
- в зависимости
- развертывание
- развернуть
- развертывание
- развертывания
- подробнее
- направлять
- непосредственно
- директор
- обсуждающий
- отображается
- дисплеев
- Разнообразие
- Разнообразие и включение
- домен
- вниз
- Падение
- каждый
- Рано
- Экономические
- легко
- Эйнштейн
- или
- включить
- позволяет
- позволяет
- Конечная точка
- занятый
- обязательство
- обязательств
- Enter
- Предприятие
- Окружающая среда
- этический
- оценивать
- Даже
- События
- пример
- выполнение
- существующий
- опыт
- Впечатления
- Объяснять
- объяснены
- и, что лучший способ
- добыча
- семья
- быстрее
- Особенность
- Особенности
- несколько
- поле
- Поля
- Файл
- финансовый
- финансовые услуги
- Во-первых,
- Впервые
- поток
- следовать
- после
- Что касается
- формат
- Год основания
- друзья
- от
- полный
- функция
- будущее
- шлюз
- порождать
- поколение
- генеративный
- Генеративный ИИ
- получить
- Дайте
- Go
- было
- Ручки
- имеющий
- he
- помощь
- ее
- его
- история
- состоялся
- ЧАСЫ
- Как
- How To
- HTML
- HTTP
- HTTPS
- ID
- идентификаторы
- Личность
- if
- иллюстрирует
- погружение
- Влияние
- Импортировать
- значение
- улучшать
- in
- В том числе
- включение
- individual
- промышленность
- информация
- инициировать
- инновационный
- вход
- затраты
- размышления
- пример
- вместо
- инструкции
- интегрировать
- интегрированный
- интеграции.
- Интерфейс
- IP
- вопросы
- ISV
- IT
- ЕГО
- совместная
- JPG
- JSON
- всего
- Сохранить
- Основные
- этикетка
- озеро
- язык
- Фамилия
- запустили
- запуск
- изучение
- Оставлять
- уровень
- такое как
- нравится
- линия
- Listening
- листинг
- Войти
- ВЗГЛЯДЫ
- машина
- обучение с помощью машины
- сделанный
- рассылки
- сделать
- Создание
- управления
- карта
- Маркетинг
- Совпадение
- Май..
- Метаданные
- Минут
- отсутствующий
- ML
- модель
- Модели
- Месяц
- БОЛЕЕ
- самых
- Музыка
- имя
- имена
- именования
- натуральный
- Обработка естественного языка
- Откройте
- Навигация
- Необходимость
- необходимый
- Новые
- New York
- Нью-Йорк
- следующий
- НЛП
- в своих размышлениях
- номер
- OAuth
- объект
- целей
- of
- on
- ONE
- онлайн
- только
- Опция
- or
- OS
- Другое
- выходной
- внешнюю
- за
- обзор
- собственный
- страница
- страниц
- хлеб
- часть
- партнер
- партнеры
- для
- Выполнять
- производительность
- Разрешения
- планирование
- Платформа
- Платформы
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- Точка
- населенный
- После
- мощностью
- мощный
- предсказывать
- прогноз
- Predictions
- подготовка
- предотвращать
- предварительный просмотр
- предварительно
- Основной
- Предварительный
- обработка
- Продукт
- Продукция
- Профиль
- наводящие
- процветание
- обеспечивать
- приводит
- что такое варган?
- покупки
- цель
- Запросы
- поднятый
- готовый
- реальные
- реального времени
- реализовать
- последний
- рекомендовать
- Рекомендация
- относиться
- область
- зарегистрироваться
- зарегистрированный
- реестра
- отношения
- соответствующие
- замещать
- запросить
- Запросы
- Реагируйте
- ответ
- ответственный
- Ограничения
- результат
- возвращают
- обзор
- Роли
- Бег
- время выполнения
- sagemaker
- Вывод SageMaker
- Salesforce
- Наука
- Ученые
- секунды
- Secret
- секреты
- Раздел
- безопасно
- посмотреть
- сегмент
- выберите
- выбранный
- Серии
- обслуживание
- Услуги
- набор
- установка
- настройки
- установка
- она
- показывать
- продемонстрированы
- Шоу
- просто
- одинарной
- Размер
- отрывок
- So
- Соцсети
- Общество
- Решение
- Решения
- некоторые
- специализируется
- конкретный
- Расходы
- стандарт
- Начало
- и политические лидеры
- Область
- статистике
- Статус:
- Шаги
- Стюарт
- диск
- магазин
- хранить
- простой
- Стратегический
- стратегические партнеры
- поток
- студия
- последующее
- успешный
- такие
- поддержка
- ТАБЛИЦЫ
- Живая картина
- взять
- цель
- команды
- Технологии
- тестXNUMX
- текст
- чем
- который
- Ассоциация
- Будущее
- Государство
- их
- тогда
- Эти
- В третьих
- этой
- Через
- время
- в
- инструменты
- трогать
- Train
- специалистов
- Обучение
- поезда
- Transform
- трансформация
- преобразований
- Путешествие
- напишите
- понимать
- понимание
- созданного
- Предстоящие
- Обновление ПО
- обновление
- Updates
- загружено
- URL
- использование
- используемый
- Информация о пользователе
- Пользовательский интерфейс
- использования
- через
- VALIDATE
- Наши ценности
- переменная
- версия
- с помощью
- Вид
- видение
- посетили
- визуальный
- законопроект
- Вашингтон
- we
- Web
- веб-сервисы
- неделя
- ЧТО Ж
- будь то
- , которые
- в то время как
- КТО
- будете
- в
- без
- Работа
- работавший
- работает
- Семинары
- мировой класс
- записывать
- письмо
- лет
- йорк
- Ты
- ВАШЕ
- зефирнет