Amazon SageMaker Feature Store är ett fullt hanterat, specialbyggt arkiv för att lagra, dela och hantera funktioner för maskininlärningsmodeller (ML). Funktioner är indata till ML-modeller som används under träning och slutledning. Till exempel, i ett program som rekommenderar en musikspellista, kan funktioner inkludera låtbetyg, lyssnarlängd och lyssnardemografi. Funktioner används upprepade gånger av flera team, och funktionskvalitet är avgörande för att säkerställa en mycket exakt modell. Dessutom, när funktioner som används för att träna modeller offline i batch görs tillgängliga för realtids slutledning, är det svårt att hålla de två funktionsbutikerna synkroniserade. SageMaker Feature Store tillhandahåller en säker och enhetlig butik för att bearbeta, standardisera och använda funktioner i stor skala över MLs livscykel.
SageMaker Feature Store gör det nu enkelt att dela, upptäcka och komma åt funktionsgrupper över AWS-konton. Denna nya förmåga främjar samarbete och minimerar dubbelarbete för team som är involverade i ML-modell- och applikationsutveckling, särskilt i företagsmiljöer med flera konton som spänner över olika affärsenheter eller funktioner.
Med denna lansering kan kontoägare ge åtkomst till utvalda funktionsgrupper av andra konton som använder AWS Resource Access Manager (AWS RAM). Efter att de har beviljats åtkomst kan användare av dessa konton bekvämt se alla sina funktionsgrupper, inklusive de delade, genom Amazon SageMaker Studio eller SDK:er. Detta gör det möjligt för team att upptäcka och använda funktioner som utvecklats av andra team, vilket främjar kunskapsdelning och effektivitet. Dessutom kan användningsdetaljer för delade resurser övervakas med amazoncloudwatch och AWS CloudTrail. För en djupdykning, se Upptäckbarhet och åtkomst av funktioner för flera konton.
I det här inlägget diskuterar vi varför och hur för en centraliserad funktionsbutik med åtkomst över flera konton. Vi visar hur du ställer in det och kör en exempeldemonstration, samt de fördelar du kan få genom att använda denna nya förmåga i din organisation.
Vem behöver en funktionsbutik för flera konton
Organisationer måste säkert dela funktioner mellan team för att bygga korrekta ML-modeller, samtidigt som obehörig åtkomst till känslig data förhindras. SageMaker Feature Store tillåter nu detaljerad delning av funktioner mellan konton via AWS RAM, vilket möjliggör samarbetsmodellutveckling med styrning.
SageMaker Feature Store tillhandahåller specialbyggd lagring och hantering för ML-funktioner som används under utbildning och slutledning. Med stöd för flera konton kan du nu selektivt dela funktioner lagrade i ett AWS-konto med andra konton i din organisation.
Till exempel kan analysteamet kurera funktioner som kundprofil, transaktionshistorik och produktkataloger i ett centralt hanteringskonto. Dessa måste nås säkert av ML-utvecklare på andra avdelningar som marknadsföring, bedrägeriupptäckt och så vidare för att bygga modeller.
Följande är de viktigaste fördelarna med att dela ML-funktioner mellan konton:
- Konsekventa och återanvändbara funktioner – Centraliserad delning av utvalda funktioner förbättrar modellens noggrannhet genom att tillhandahålla konsekventa indata att träna på. Team kan upptäcka och direkt konsumera funktioner som skapats av andra istället för att duplicera dem i varje konto.
- Funktionsgrupp åtkomstkontroll – Du kan bara ge åtkomst till de specifika funktionsgrupper som krävs för ett kontos användningsfall. Till exempel kan marknadsföringsteamet bara få tillgång till kundprofilens funktionsgrupp som behövs för rekommendationsmodeller.
- Samarbete mellan team – Delade funktioner tillåter olika team som bedrägeri, marknadsföring och försäljning att samarbeta för att bygga ML-modeller med samma tillförlitliga data istället för att skapa silade funktioner.
- Revisionsspår för efterlevnad – Administratörer kan övervaka funktionsanvändning av alla konton centralt med hjälp av CloudTrail-händelseloggar. Detta ger ett revisionsspår som krävs för styrning och efterlevnad.
Avgränsa producenter från konsumenter i cross-account feature-butiker
I området för maskininlärning fungerar funktionsbutiken som en avgörande brygga, som förbinder de som tillhandahåller data med dem som utnyttjar den. Denna dikotomi kan hanteras effektivt med hjälp av en konfiguration över flera konton för funktionsbutiken. Låt oss avmystifiera detta med hjälp av följande personas och en analogi från den verkliga världen:
- Data- och ML-ingenjörer (ägare och producenter) – De lägger grunden genom att mata in data i funktionslagret
- Datavetare (konsumenter) – De extraherar och använder denna data för att skapa sina modeller
Dataingenjörer fungerar som arkitekter som skissar den första ritningen. Deras uppgift är att konstruera och övervaka effektiva datapipelines. De drar data från källsystem och formar rådataattribut till urskiljbara funktioner. Ta "ålder" till exempel. Även om det bara representerar intervallet mellan nu och ens födelsedatum, kan dess tolkning variera mellan en organisation. Att säkerställa kvalitet, enhetlighet och konsekvens är av största vikt här. Deras mål är att mata in data till en centraliserad funktionsbutik, och etablera den som den obestridda referenspunkten.
ML-ingenjörer förfinar dessa grundläggande funktioner och skräddarsyr dem för mogna ML-arbetsflöden. I banksammanhang kan de härleda statistiska insikter från kontosaldon, identifiera trender och flödesmönster. Hindret de ofta möter är redundans. Det är vanligt att se repeterande pipelines för att skapa funktioner över olika ML-initiativ.
Föreställ dig dataforskare som gourmetkockar som spanar efter ett välsorterat skafferi och letar efter de bästa ingredienserna till sitt nästa kulinariska mästerverk. Deras tid borde investeras i att skapa innovativa datarecept, inte på att återmontera skafferiet. Hindret vid denna tidpunkt är att upptäcka rätt data. Ett användarvänligt gränssnitt, utrustat med effektiva sökverktyg och omfattande funktionsbeskrivningar, är oumbärligt.
I huvudsak segmenterar en butikskonfiguration för flera konton noggrant rollerna för dataproducenter och konsumenter, vilket säkerställer effektivitet, tydlighet och innovation. Oavsett om du lägger grunden eller bygger ovanpå den är det avgörande att känna till din roll och dina verktyg.
Följande diagram visar två olika dataforskarteam, från två olika AWS-konton, som delar och använder samma centrala funktionsbutik för att välja de bästa funktionerna som behövs för att bygga sina ML-modeller. Det centrala funktionslagret finns på ett annat konto som hanteras av dataingenjörer och ML-ingenjörer, där datastyrningsskiktet och datasjön vanligtvis finns.
Gruppkontroller för flera konton
Med SageMaker Feature Store kan du dela funktionsgruppresurser mellan konton. Resursägarkontot delar resurser med resurskonsumentkonton. Det finns två distinkta kategorier av behörigheter kopplade till att dela resurser:
- Upptäckbarhetsbehörigheter - synlighet innebär att kunna se funktionsgruppnamn och metadata. När du ger upptäckbarhetsbehörighet blir alla funktionsgruppenheter i kontot som du delar från (resursägarkonto) upptäckbara av konton som du delar med (resurskonsumentkonton). Om du till exempel gör resursägarkontot upptäckbart av resurskonsumentkontot kan huvudmän för resurskonsumentkontot se alla funktionsgrupper som finns i resursägarkontot. Denna behörighet ges till resurskonsumentkonton genom att använda SageMaker-katalogresurstypen.
- Åtkomstbehörigheter – När du ger en åtkomstbehörighet gör du det på resursnivån för funktionsgruppen (inte kontonivån). Detta ger dig mer detaljerad kontroll över att ge åtkomst till data. Typen av åtkomstbehörigheter som kan beviljas är skrivskyddad, läs/skriv- och admin. Du kan till exempel bara välja vissa funktionsgrupper från resursägarkontot för att vara tillgängliga för huvudmän för resurskonsumentkontot, beroende på dina affärsbehov. Denna behörighet ges till resurskonsumentkonton genom att använda funktionsgruppens resurstyp och specificera funktionsgruppenheter.
Följande exempeldiagram visualiserar delning av SageMaker-katalogresurstypen som ger upptäckbarhetsbehörighet jämfört med att dela en resurstypsentitet för en funktionsgrupp med åtkomstbehörigheter. SageMaker-katalogen innehåller alla dina funktionsgruppenheter. När det har beviljats en upptäcktsbehörighet kan resurskonsumentkontot söka och upptäcka alla funktionsgruppenheter inom resursägarkontot. En funktionsgruppsenhet innehåller dina ML-data. När det har beviljats en åtkomstbehörighet kan resurskonsumentkontot komma åt funktionsgruppens data, med åtkomsten som bestäms av relevant åtkomstbehörighet.
Lösningsöversikt
Slutför följande steg för att säkert dela funktioner mellan konton med SageMaker Feature Store:
- I källkontot (ägarkontot, mata in datamängder och förbered normaliserade funktioner. Organisera relaterade funktioner i logiska grupper som kallas funktionsgrupper.
- Skapa en resursdelning för att ge åtkomst över flera konton till specifika funktionsgrupper. Definiera tillåtna åtgärder som hämta och sätta, och begränsa åtkomst endast till auktoriserade konton.
- Acceptera AWS RAM-inbjudan för att få tillgång till delade funktioner i målkontona (konsumentkonton). Granska åtkomstpolicyn för att förstå beviljade behörigheter.
Utvecklare i målkonton kan nu hämta delade funktioner med SageMaker SDK, gå med ytterligare data och använda dem för att träna ML-modeller. Källkontot kan övervaka åtkomst till delade funktioner för alla konton som använder CloudTrail-händelseloggar. Granskningsloggar ger centraliserad insyn i funktionsanvändning.
Med dessa steg kan du göra det möjligt för team i hela din organisation att säkert använda delade ML-funktioner för samarbetsmodellutveckling.
Förutsättningar
Vi antar att du redan har skapat funktionsgrupper och tagit in motsvarande funktioner i ditt ägarkonto. För mer information om att komma igång, se Kom igång med Amazon SageMaker Feature Store.
Ge upptäckbarhetsbehörigheter
Först visar vi hur man delar vår SageMaker Feature Store-katalog på ägarkontot. Slutför följande steg:
- I ägarkontot för SageMaker Feature Store-katalogen, öppna AWS RAM-konsolen.
- Enligt Delas av mig välj i navigeringsfönstret Resursandelar.
- Välja Skapa resursandel.
- Ange ett resursdelningsnamn och välj SageMaker resurskataloger som resurstyp.
- Välja Nästa.
- Ange för åtkomst endast för upptäckt
AWSRAMPermissionSageMakerCatalogResourceSearch
för Hanterade behörigheter. - Välja Nästa.
- Ange ditt konsumentkonto-ID och välj Lägg till. Du kan lägga till flera konsumentkonton.
- Välja Nästa och slutföra din resursdelning.
Nu bör den delade SageMaker Feature Store-katalogen dyka upp på Resursandelar sida.
Du kan uppnå samma resultat genom att använda AWS-kommandoradsgränssnitt (AWS CLI) med följande kommando (ange ditt AWS-område, ägarkonto-ID och konsumentkonto-ID):
Acceptera resursdelningsinbjudan
För att acceptera resursdelningsinbjudan, utför följande steg:
- Öppna AWS RAM-konsolen i målkontot (konsumentkontot).
- Enligt Delade med mig välj i navigeringsfönstret Resursandelar.
- Välj den nya väntande resursandelen.
- Välja Acceptera resursandel.
Du kan uppnå samma resultat med AWS CLI med följande kommando:
Hämta värdet på från resultatet av föregående kommando resourceShareInvitationArn
och acceptera sedan inbjudan med följande kommando:
Arbetsflödet är detsamma för att dela funktionsgrupper med ett annat konto via AWS RAM.
När du har delat några funktionsgrupper med målkontot kan du inspektera SageMaker Feature Store, där du kan se att den nya katalogen är tillgänglig.
Ge åtkomstbehörigheter
Med åtkomstbehörigheter kan vi bevilja behörigheter på resursnivån för funktionsgruppen. Slutför följande steg:
- I ägarkontot för SageMaker Feature Store-katalogen, öppna AWS RAM-konsolen.
- Enligt Delas av mig välj i navigeringsfönstret Resursandelar.
- Välja Skapa resursandel.
- Ange ett resursdelningsnamn och välj SageMaker-funktionsgrupper som resurstyp.
- Välj en eller flera funktionsgrupper att dela.
- Välja Nästa.
- Ange för läs-/skrivåtkomst
AWSRAMPermissionSageMakerFeatureGroupReadWrite
för Hanterade behörigheter. - Välja Nästa.
- Ange ditt konsumentkonto-ID och välj Lägg till. Du kan lägga till flera konsumentkonton.
- Välja Nästa och slutföra din resursdelning.
Nu ska den delade katalogen dyka upp på Resursandelar sida.
Du kan uppnå samma resultat genom att använda AWS CLI med följande kommando (ange ditt region, ägarkonto-ID, konsumentkonto-ID och funktionsgruppnamn):
Det finns tre typer av åtkomst som du kan ge funktionsgrupper:
- AWSRAMPermissionSageMakerFeatureGroupReadOnly – Den skrivskyddade behörigheten tillåter resurskonsumentkonton att läsa poster i de delade funktionsgrupperna och visa detaljer och metadata
- AWSRAMPermissionSageMakerFeatureGroupReadWrite – Läs-/skrivbehörigheten tillåter resurskonsumentkonton att skriva poster till och ta bort poster från de delade funktionsgrupperna, förutom läsbehörigheter
- AWSRAMPermissionSagemakerFeatureGroupAdmin – Administratörsbehörigheten tillåter resurskonsumentkonton att uppdatera beskrivningen och parametrarna för funktioner inom de delade funktionsgrupperna och uppdatera konfigurationen av de delade funktionsgrupperna, förutom läs-/skrivbehörigheter
Acceptera resursdelningsinbjudan
För att acceptera resursdelningsinbjudan, utför följande steg:
- Öppna AWS RAM-konsolen i målkontot (konsumentkontot).
- Enligt Delade med mig välj i navigeringsfönstret Resursandelar.
- Välj den nya väntande resursandelen.
- Välja Acceptera resursandel.
Processen för att acceptera resursandelen med hjälp av AWS CLI är densamma som för föregående upptäcktssektion, med kommandona get-resource-share-invitations och accept-resource-share-invitation.
Exempel på bärbara datorer som visar upp denna nya kapacitet
Två anteckningsböcker lades till i SageMaker Feature Store Workshop GitHub repository i mappen 09-module-security/09-03-cross-account-access:
- m9_03_nb1_cross-account-admin.ipynb – Detta måste startas på ditt administratörs- eller ägare AWS-konto
- m9_03_nb2_cross-account-consumer.ipynb – Detta måste startas på ditt konsument-AWS-konto
Det första skriptet visar hur man skapar resursdelningen för upptäckt för befintliga funktionsgrupper på administratörs- eller ägarkontot och delar den med ett annat konsumentkonto programmatiskt med hjälp av AWS RAM API create_resource_share()
. Den visar också hur man beviljar åtkomstbehörigheter till befintliga funktionsgrupper på ägarkontot och delar dessa med ett annat konsumentkonto med hjälp av AWS RAM. Du måste ange ditt konsument-AWS-konto-ID innan du kör den bärbara datorn.
Det andra skriptet accepterar AWS RAM-inbjudningar för att upptäcka och komma åt funktionsgrupper över flera konton från ägarnivå. Sedan visar den hur man upptäcker funktionsgrupper över flera konton som finns på ägarkontot och listar dessa på konsumentkontot. Du kan också se hur du kommer åt i läs/skriv funktionsgrupper för flera konton som finns på ägarkontot och utför följande operationer från konsumentkontot: describe()
, get_record()
, ingest()
och delete_record()
.
Slutsats
SageMaker Feature Store cross-account kapacitet erbjuder flera övertygande fördelar. För det första underlättar det sömlöst samarbete genom att möjliggöra delning av funktionsgrupper över flera AWS-konton. Detta förbättrar datatillgänglighet och dataanvändning, vilket gör att team på olika konton kan använda delade funktioner för sina ML-arbetsflöden.
Dessutom förbättrar möjligheten för flera konton datastyrning och säkerhet. Med kontrollerad åtkomst och behörigheter via AWS RAM kan organisationer upprätthålla en centraliserad funktionsbutik samtidigt som de säkerställer att varje konto har skräddarsydda åtkomstnivåer. Detta effektiviserar inte bara datahanteringen utan stärker också säkerhetsåtgärderna genom att begränsa åtkomsten till auktoriserade användare.
Dessutom förenklar möjligheten att dela funktionsgrupper över konton processen att bygga och distribuera ML-modeller i en samarbetsmiljö. Det främjar ett mer integrerat och effektivt arbetsflöde, minskar redundans i datalagring och underlättar skapandet av robusta modeller med delade funktioner av hög kvalitet. Sammantaget optimerar Feature Stores cross-account förmåga samarbete, styrning och effektivitet i ML-utveckling över olika AWS-konton. Ge det ett försök och låt oss veta vad du tycker i kommentarerna.
Om författarna
Ioan Catana är Senior Artificiell Intelligens och Machine Learning Specialist Solutions Architect på AWS. Han hjälper kunder att utveckla och skala sina ML-lösningar i AWS Cloud. Ioan har över 20 års erfarenhet, mestadels inom mjukvaruarkitekturdesign och molnteknik.
Philipp Kaindl är senior arkitekt för artificiell intelligens och maskininlärning på AWS. Med en bakgrund inom datavetenskap och maskinteknik ligger hans fokus på att ge kunderna möjlighet att skapa bestående affärseffekter med hjälp av AI. Utanför jobbet tycker Philipp om att mixtra med 3D-skrivare, segla och vandra.
Dhaval Shah är Senior Solutions Architect på AWS, specialiserad på maskininlärning. Med ett starkt fokus på digitala infödda företag ger han kunderna möjlighet att använda AWS och driva deras affärstillväxt. Som en ML-entusiast drivs Dhaval av sin passion för att skapa effektfulla lösningar som ger positiv förändring. På sin fritid ägnar han sig åt sin kärlek till resor och värnar om kvalitetsstunder med sin familj.
Mizanur Rahman är en senior mjukvaruingenjör för Amazon SageMaker Feature Store med över 10 års praktisk erfarenhet specialiserad på AI och ML. Med en stark grund i både teori och praktiska tillämpningar har han en Ph.D. i bedrägeriupptäckt med hjälp av maskininlärning, vilket återspeglar hans engagemang för att avancera på området. Hans expertis spänner över ett brett spektrum och omfattar skalbara arkitekturer, distribuerad datoranvändning, big data-analys, mikrotjänster och molninfrastruktur för organisationer.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://aws.amazon.com/blogs/machine-learning/amazon-sagemaker-feature-store-now-supports-cross-account-sharing-discovery-and-access/
- : har
- :är
- :inte
- :var
- $UPP
- 10
- 150
- 20
- 20 år
- 3d
- 7
- 8
- 9
- a
- förmåga
- Able
- Om oss
- Acceptera
- acceptera
- accepterar
- tillgång
- Tillgång till data
- Accessed
- tillgänglighet
- tillgänglig
- Konto
- konton
- noggrannhet
- exakt
- Uppnå
- tvärs
- åtgärder
- handlingar
- lägga till
- lagt till
- Dessutom
- Annat
- Dessutom
- administration
- administratörer
- Vidare
- Efter
- AI
- Syftet
- Alla
- tillåter
- tillåts
- tillåta
- tillåter
- redan
- också
- Även
- amason
- Amazon SageMaker
- Amazon Web Services
- an
- analytics
- och
- Annan
- api
- Ansökan
- Application Development
- tillämpningar
- arkitekter
- arkitektur
- arkitekturer
- ÄR
- konstgjord
- artificiell intelligens
- Konstgjord intelligens och maskininlärning
- AS
- associerad
- utgå ifrån
- At
- attribut
- revision
- tillstånd
- tillgänglig
- AWS
- bakgrund
- saldon
- Banking
- BE
- blir
- innan
- Där vi får lov att vara utan att konstant prestera,
- Fördelarna
- BÄST
- mellan
- Stor
- Stora data
- blueprint
- båda
- BRO
- föra
- bred
- SLUTRESULTAT
- Byggnad
- företag
- företag
- men
- by
- kallas
- KAN
- Kan få
- kapacitet
- Vid
- katalog
- kataloger
- kategorier
- centrala
- centraliserad
- vissa
- byta
- Välja
- klarhet
- cli
- cloud
- samarbeta
- samverkan
- samarbete
- kommentarer
- Gemensam
- övertygande
- fullborda
- Efterlevnad
- omfattande
- databehandling
- konfiguration
- Anslutning
- konsekvent
- Konsol
- konstruera
- konsumera
- Konsumenten
- konsumenter
- innehöll
- innehåller
- sammanhang
- kontroll
- kontrolleras
- bekvämt
- Motsvarande
- kunde
- farkoster
- skapa
- skapas
- Skapa
- skapande
- kritisk
- avgörande
- handplocka
- kurerad
- kund
- Kunder
- datum
- Data Analytics
- datasjö
- datahantering
- datavetenskap
- datavetare
- datalagring
- datauppsättningar
- engagemang
- djup
- djupdykning
- definiera
- Demografi
- demonstrera
- avmystifiera
- avdelningar
- beroende
- utplacera
- beskrivning
- Designa
- detaljer
- Detektering
- bestämd
- utveckla
- utvecklade
- utvecklare
- Utveckling
- Diagrammet
- olika
- digital
- direkt
- Upptäck
- upptäcka
- Upptäckten
- diskutera
- disparat
- distinkt
- distribueras
- distribuerad databehandling
- Dyk
- flera
- do
- ritning
- driv
- driven
- duplicera
- varaktighet
- under
- varje
- effektivt
- effektivitet
- effektiv
- enkel
- ge
- bemyndigar
- möjliggöra
- möjliggör
- möjliggör
- encompassing
- ingenjör
- Teknik
- Ingenjörer
- Förbättrar
- säkerställa
- säkerställa
- ange
- Företag
- entusiast
- enheter
- enhet
- Miljö
- miljöer
- utrustad
- huvudsak
- upprättandet
- händelse
- exempel
- befintliga
- erfarenhet
- expertis
- extrahera
- Ansikte
- underlättar
- underlättande
- familj
- Leverans
- Funktioner
- matning
- fält
- Förnamn
- flöda
- Fokus
- efter
- För
- främja
- Fosters
- fundament
- grundläggande
- bedrägeri
- spårning av bedrägerier
- från
- fullständigt
- funktioner
- skaffa sig
- få
- Ge
- ger
- styrning
- bevilja
- beviljats
- beviljande
- grynig
- grundarbeten
- Grupp
- Gruppens
- Tillväxt
- praktisk
- Hård
- sele
- Har
- he
- hjälpa
- hjälper
- här.
- hög kvalitet
- höggradigt
- hans
- historia
- innehar
- Hur ser din drömresa ut
- How To
- html
- http
- HTTPS
- hinder
- ID
- identifiera
- if
- Inverkan
- effektfull
- förbättrar
- in
- I andra
- innefattar
- Inklusive
- informationen
- infrastruktur
- inledande
- initiativ
- Innovation
- innovativa
- ingång
- ingångar
- inuti
- insikter
- exempel
- istället
- integrerade
- Intelligens
- Gränssnitt
- tolkning
- in
- investerat
- inbjudan
- bjuda in
- involverade
- IT
- DESS
- delta
- jpg
- föreningspunkt
- Ha kvar
- Nyckel
- Vet
- Menande
- kunskap
- sjö
- bestående
- lansera
- lanserades
- låg
- lager
- om
- inlärning
- Låt
- Nivå
- nivåer
- livscykel
- tycka om
- begränsande
- linje
- Lista
- lyssnare
- Lyssna
- belägen
- logisk
- älskar
- Maskinen
- maskininlärning
- gjord
- bibehålla
- göra
- GÖR
- hantera
- förvaltade
- ledning
- Marknadsföring
- mästerverk
- mogen
- Maj..
- betyder
- åtgärder
- mekanisk
- endast
- metadata
- noggrant
- mikro
- kanske
- minimerar
- ML
- modell
- modeller
- Ögonblick
- Övervaka
- övervakas
- mer
- för det mesta
- multipel
- Musik
- namn
- namn
- nativ
- Navigering
- Behöver
- behövs
- behov
- Nya
- Nästa
- anteckningsbok
- nu
- observera
- of
- Erbjudanden
- offline
- Ofta
- on
- ONE
- ettor
- endast
- öppet
- Verksamhet
- optimerar
- or
- organisation
- organisationer
- Övriga
- Övrigt
- vår
- produktion
- utanför
- över
- övergripande
- övervaka
- ägaren
- ägare
- sida
- panelen
- parametrar
- Yttersta
- särskilt
- brinner
- mönster
- väntan
- Utföra
- tillstånd
- behörigheter
- svängbara
- plato
- Platon Data Intelligence
- PlatonData
- Punkt
- policy
- positiv
- Inlägg
- Praktisk
- föregående
- Förbered
- förebyggande
- föregående
- uppdragsgivare
- privilegium
- process
- producenter
- Produkt
- Profil
- främjar
- ge
- ger
- tillhandahålla
- sätta
- kvalitet
- RAM
- betyg
- Raw
- Läsa
- verkliga världen
- realtid
- rike
- Rekommendation
- rekommenderar
- register
- reducerande
- hänvisa
- referens
- förfina
- reflekterande
- region
- relaterad
- relevanta
- pålitlig
- UPPREPAT
- repetitiva
- Repository
- representerar
- Obligatorisk
- resurs
- Resurser
- begränsa
- resultera
- återanvändbar
- översyn
- höger
- robusta
- Roll
- roller
- Körning
- rinnande
- sagemaker
- segling
- försäljning
- Samma
- prov
- skalbar
- Skala
- Vetenskap
- Forskare
- vetenskapsmän
- skript
- sDK
- sdks
- sömlös
- Sök
- Andra
- §
- Säkrad
- säkert
- säkerhet
- Säkerhetsåtgärder
- se
- söker
- segment
- välj
- senior
- känslig
- tjänar
- Tjänster
- in
- inställning
- flera
- Dela
- delas
- aktier
- delning
- skall
- show
- visa upp
- Visar
- silade
- förenklar
- belägen
- So
- Mjukvara
- Programvara ingenjör
- Lösningar
- några
- låt
- Källa
- span
- spänning
- spann
- specialist
- specialiserat
- specifik
- specificerar
- Spektrum
- igång
- statistisk
- Steg
- förvaring
- lagra
- lagras
- lagrar
- strömlinjer
- stärker
- stark
- leverera
- stödja
- Stöder
- System
- skräddarsydd
- skrädderi
- Ta
- Målet
- uppgift
- grupp
- lag
- den där
- Smakämnen
- källan
- deras
- Dem
- sedan
- Teorin
- Där.
- Dessa
- de
- tror
- detta
- de
- tre
- Genom
- tid
- till
- verktyg
- trail
- Tåg
- Utbildning
- transaktion
- färdas
- Trender
- prova
- två
- Typ
- typer
- obehörig
- förstå
- enhetlig
- enheter
- Uppdatering
- us
- Användning
- användning
- användningsfall
- Begagnade
- användarvänligt
- användare
- med hjälp av
- vanligen
- utnyttja
- värde
- variera
- via
- utsikt
- synlighet
- vs
- we
- webb
- webbservice
- VÄL
- były
- Vad
- när
- om
- medan
- VEM
- varför
- med
- inom
- Arbete
- arbetsflöde
- arbetsflöden
- verkstad
- skriva
- år
- Om er
- Din
- zephyrnet