Smakämnen IDP-välbyggt anpassat objektiv är avsedd för alla AWS-kunder som använder AWS för att köra intelligenta dokumentbehandlingslösningar (IDP) och som söker vägledning om hur man bygger en säker, effektiv och pålitlig IDP-lösning på AWS.
Att bygga en produktionsfärdig lösning i molnet innebär en serie avvägningar mellan resurser, tid, kundförväntningar och affärsresultat. De AWS välarkitekterade ramverk hjälper dig att förstå fördelarna och riskerna med beslut du fattar samtidigt som du bygger arbetsbelastningar på AWS. Genom att använda ramverket kommer du att lära dig operativa och arkitektoniska bästa praxis för att designa och driva pålitliga, säkra, effektiva, kostnadseffektiva och hållbara arbetsbelastningar i molnet.
Ett IDP-projekt kombinerar vanligtvis optisk teckenigenkänning (OCR) och naturlig språkbehandling (NLP) för att läsa och förstå ett dokument och extrahera specifika termer eller ord. IDP Well-Architected Custom Lens beskriver stegen för att utföra en AWS Well-Architected granskning som låter dig bedöma och identifiera tekniska risker med dina IDP-arbetsbelastningar. Den ger vägledning för att ta itu med de vanliga utmaningarna vi ser inom fältet, och hjälper dig att utforma dina IDP-arbetsbelastningar enligt bästa praxis.
Det här inlägget fokuserar på Reliability-pelaren i IDP-lösningen. Med utgångspunkt från introduktionen av Reliability-pelaren och designprinciper, dyker vi sedan djupt ner i lösningsdesign och implementering med tre fokusområden: grunder, förändringshantering och felhantering. Genom att läsa det här inlägget kommer du att lära dig om Reliability-pelaren i Well-Architected Framework med IDP-fallstudien.
Designprinciper
Tillförlitlighetspelaren omfattar förmågan hos en IDP-lösning att utföra dokumentbearbetning korrekt och konsekvent när det förväntas och enligt de definierade affärsreglerna. Detta inkluderar möjligheten att använda och testa hela IDP-arbetsflödet och dess totala livscykel.
Det finns ett antal principer som kan hjälpa dig att öka tillförlitligheten. Ha dessa i åtanke när vi diskuterar bästa praxis:
- Återställ automatiskt från fel – Genom att övervaka ditt IDP-arbetsflöde för nyckelprestandaindikatorer (KPI) kan du köra automatisering när en tröskel överskrids. Detta gör att du kan spåra och automatiskt meddelas om något fel inträffar och utlösa automatiska återställningsprocesser som löser eller reparerar felet. Baserat på KPI-mått kan du också förutse misslyckanden och vidta åtgärdsåtgärder innan de inträffar.
- Testa återställningsprocedurer – Testa hur ditt IDP-arbetsflöde misslyckas och validera återställningsprocedurer. Använd automatisering för att simulera olika scenarier eller återskapa scenarier som ledde till fel tidigare.
- Skala och justera servicekapacitet – Övervaka efterfrågan och användning av IDP-arbetsflöden och justera automatiskt AWS-tjänstkapaciteten för att bibehålla den optimala nivån för att tillfredsställa efterfrågan utan över- eller undertillgång. Kontrollera och var medveten om tjänstekvoter, gränser och begränsningar för dina IDP-komponenttjänster, som t.ex. amazontext och Amazon Comprehend.
- Automatisera ändringar – Använd automatisering när du tillämpar ändringar i din IDP-arbetsflödesinfrastruktur. Hantera ändringar genom automatisering, som sedan kan spåras och granskas.
Fokusområden
Designprinciperna och bästa praxis för tillförlitlighetspelaren är baserade på insikter från våra kunder och våra IDP tekniska specialistgrupper. Använd dem som vägledning och stöd för dina designbeslut och anpassa dem till dina affärskrav för din IDP-lösning. Att använda IDP Well-Architected Lens hjälper dig att validera motståndskraften och effektiviteten i din IDP-lösningsdesign, och ger rekommendationer för att åtgärda eventuella luckor du kan identifiera.
Följande är bästa praxisområden för tillförlitligheten för en IDP-lösning i molnet:
- Stiftelser – AWS AI-tjänster som Amazon Textract och Amazon Comprehend tillhandahåller en uppsättning mjuka och hårda gränser för olika användningsdimensioner. Det är viktigt att se över dessa gränser och se till att din IDP-lösning följer eventuella mjuka gränser utan att överskrida några hårda gränser.
- Ändra hanteringen – Behandla din IDP-lösning som infrastruktur som kod (IaC), så att du kan automatisera övervakning och förändringshantering. Använd versionskontroll över komponenter som infrastruktur och anpassade modeller från Amazon Comprehend, och spåra ändringar tillbaka till tidpunkten.
- Misslyckandehantering – Eftersom ett IDP-arbetsflöde är en händelsedriven lösning måste din applikation vara motståndskraftig mot att hantera kända och okända fel. En väl utformad IDP-lösning har förmågan att förhindra fel och motstå misslyckanden när de uppstår genom att använda loggning och försök igen. Det är viktigt att designa motståndskraft i din IDP-arbetsflödesarkitektur och planera för katastrofåterställning.
Stiftelser
AWS AI-tjänster tillhandahåller färdig intelligens, såsom automatisk datautvinning och analys, med hjälp av Amazon Textract, Amazon Comprehend och Amazon Augmented AI (Amazon A2I), för dina IDP-arbetsflöden. Det finns tjänstegränser (eller kvoter) för dessa tjänster för att undvika överprovisionering och för att begränsa förfrågningsfrekvenser för API-operationer, vilket skyddar tjänsterna från missbruk.
När du planerar och designar din IDP-lösningsarkitektur, överväg följande bästa praxis:
- Var medveten om oföränderliga Amazon Textract och Amazon Comprehend tjänstekvoter, begränsningar och begränsningar – Godkända filformat, storlek och sidantal, språk, dokumentrotationer och bildstorlek är några exempel på dessa hårda gränser för Amazon Textract som inte kan ändras.
- Godkända filformat inkluderar JPEG-, PNG-, PDF- och TIFF-filer. (JPEG 2000-kodade bilder i PDF-filer stöds). Dokumentförbearbetning krävs innan du använder Amazon Textract om filformatet inte stöds (till exempel Microsoft Word eller Excel). I det här fallet måste du konvertera dokumentformat som inte stöds till PDF- eller bildformat.
- Amazon Comprehend har olika kvoter för inbyggda modeller, anpassade modeller och svänghjul. Se till att ditt användningsfall är anpassat till Amazon Comprehend-kvoter.
- Justera tjänstekvoterna för Amazon Textract och Amazon Comprehend för att möta dina behov – Amazon Textract Service Quotas Calculator kan hjälpa dig att uppskatta de kvotvärden som täcker ditt användningsfall. Du bör hantera dina tjänstekvoter över konton eller regioner om du planerar en disaster recovery failover mellan konton eller regioner för din lösning. När du begär en ökning av Amazon Textract-kvoter, se till att följa dessa rekommendationer:
- Använd Amazon Textract Service Quotas Calculator för att uppskatta ditt optimala kvotvärde.
- Ändringar i förfrågningar kan orsaka taggig nätverkstrafik, vilket påverkar genomströmningen. Använd en köande serverlös arkitektur eller annan mekanism för att jämna ut trafiken och få ut det mesta av dina tilldelade transaktioner per sekund (TPS).
- Implementera logik för att försöka igen för att hantera strypta samtal och avbrutna anslutningar.
- Konfigurera exponentiell backoff och jitter för att förbättra genomströmningen.
Ändra hanteringen
Ändringar i ditt IDP-arbetsflöde eller dess miljö, såsom toppar i efterfrågan eller en skadad dokumentfil, måste förutses och anpassas för att uppnå en högre tillförlitlighet hos lösningen. Vissa av dessa förändringar täcks av de bästa praxis som beskrivs i det föregående avsnittet, men de ensamma är inte tillräckligt för att hantera förändringar. Följande bästa praxis måste också beaktas:
- Använda amazoncloudwatch för att övervaka dina IDP-arbetsflödeskomponenter, såsom Amazon Textract och Amazon Comprehend. Samla in mätvärden från IDP-arbetsflödet, automatisera svar på larm och skicka meddelanden efter behov för ditt arbetsflöde och affärsmål.
- Implementera din IDP-arbetsflödeslösning och alla infrastrukturförändringar med automatisering med IaC, såsom AWS Cloud Development Kit (AWS CDK) och förbyggda IDP AWS CDK-konstruktioner. Detta tar bort risken för att introducera mänskliga fel och gör att du kan testa innan du byter till din produktionsmiljö.
- Om ditt användningsfall kräver en anpassad modell från Amazon Comprehend, överväg att använda ett svänghjul för att förenkla processen att förbättra den anpassade modellen över tid. Ett svänghjul orkestrerar uppgifterna i samband med utbildning och utvärdering av en ny anpassad modellversion.
- Om ditt användningsfall kräver det, anpassa resultatet av Amazon Textracts förtränade frågor genom att träna och använda en adapter för Amazon Textracts basmodell. Tänk på följande bästa praxis när du skapar frågor för dina adaptrar:
- Adapterkvoter definierar de föregående gränserna för adapterträning. Överväg dessa gränser och höj en begäran om höjning av tjänstekvoten om det behövs:
- Maximalt antal adaptrar – Antal tillåtna adaptrar (du kan ha flera adapterversioner under en enda adapter).
- Maximalt antal adapterversioner som skapas per månad – Antal framgångsrika adapterversioner som kan skapas per AWS-konto per månad.
- Maximalt antal pågående adapterversioner – Antal pågående adapterversioner (adapterutbildning) per konto.
- Se till att använda en uppsättning dokument som representerar ditt användningsfall (minst fem utbildningsdokument och fem testdokument).
- Tillhandahåll så många utbildningsdokument som möjligt (upp till 2,500 1,000 sidor utbildningsdokument och XNUMX XNUMX för testdokument).
- Annotera frågor med en mängd olika svar. Till exempel, om svaret på en fråga är "Ja" eller "Nej", bör de kommenterade exemplen ha förekomster av både "Ja" och "Nej".
- Upprätthåll konsistens i anteckningsstil och medan du kommenterar fält med mellanslag.
- Använd den exakta frågan som används i träningen för slutledning.
- Efter varje omgång av adapterträning, granska prestationsstatistiken för att avgöra om du behöver förbättra din adapter ytterligare för att nå dina mål. Ladda upp en ny dokumentuppsättning för utbildning eller granska dokumentkommentarer som har låga noggrannhetspoäng innan du påbörjar en ny utbildning för att skapa en förbättrad version av adaptern.
- Använd
AutoUpdate
funktion för anpassade adaptrar. Denna funktion försöker automatisk omskolning omAutoUpdate
flaggan är aktiverad på en adapter.
- Adapterkvoter definierar de föregående gränserna för adapterträning. Överväg dessa gränser och höj en begäran om höjning av tjänstekvoten om det behövs:
Misslyckandehantering
När man designar en IDP-lösning är en viktig aspekt att ta hänsyn till dess motståndskraft, hur man hanterar kända och okända fel som kan uppstå. IDP-lösningen bör ha förmågan att logga fel och försöka igen misslyckade operationer under de olika stadierna av IDP-arbetsflödet. I det här avsnittet diskuterar vi detaljerna om hur du utformar ditt IDP-arbetsflöde för att hantera fel.
Förbered ditt IDP-arbetsflöde för att hantera och motstå fel
"Allt misslyckas, hela tiden", är ett berömt citat från AWS CTO Werner Vogels. Din IDP-lösning kommer, precis som allt annat, så småningom att misslyckas. Frågan är hur den kan motstå fel utan att påverka dina IDP-lösningsanvändare. Din IDP-arkitekturdesign måste vara medveten om fel när de uppstår och vidta åtgärder för att undvika påverkan på tillgängligheten. Detta måste göras automatiskt och utan påverkan från användaren. Tänk på följande bästa praxis:
- Använda Amazon enkel lagringstjänst (Amazon S3) som ditt skalbara datalager för IDP-arbetsflödesdokument att bearbeta. Amazon S3 tillhandahåller en mycket hållbar lagringsinfrastruktur designad för verksamhetskritisk och primär datalagring.
- Säkerhetskopiera alla dina IDP-arbetsflödesdata enligt dina affärskrav. Implementera en strategi för att återställa eller reproducera data i händelse av dataförlust. Anpassa denna strategi med ett definierat återhämtningspunktsmål (RPO) och återhämtningstidsmål (RTO) som uppfyller dina affärskrav.
- Om det behövs, planera och implementera en failover-strategi för katastrofåterställning för din IDP-lösning över AWS-konton och regioner.
- Använd Amazon Textract
OutputConfig
funktion och Amazon ComprehendOutputDataConfig
funktion för att lagra resultaten av asynkron bearbetning från Amazon Textract eller Amazon Comprehend till en avsedd S3-hink. Detta gör att arbetsflödet kan fortsätta från den punkten istället för att upprepa Amazon Textract- eller Amazon Comprehend-anropet. Följande kod visar hur man startar ett Amazon Textract asynkront API-jobb för att analysera ett dokument och lagra krypterad slutledningsutdata i en definierad S3-bucket. För ytterligare information, se Amazon Textract-klientdokumentation.
Designa ditt IDP-arbetsflöde för att förhindra fel
Tillförlitligheten hos en arbetsbelastning börjar med designbeslut i förväg. Arkitekturval kommer att påverka ditt arbetsbelastningsbeteende och dess motståndskraft. Följ dessa bästa metoder för att förbättra tillförlitligheten hos din IDP-lösning.
Designa först din arkitektur enligt IDP-arbetsflödet. Även om stadierna i ett IDP-arbetsflöde kan variera och påverkas av användningsfall och affärskrav, är stadierna för datainsamling, dokumentklassificering, textextraktion, innehållsanrikning, granskning och validering och konsumtion vanligtvis delar av IDP-arbetsflödet. Dessa väldefinierade steg kan användas för att separera funktioner och isolera dem i händelse av fel.
Du kan använda Amazon enkel kötjänst (Amazon SQS) för att frikoppla IDP-arbetsflödesstadier. Ett frikopplingsmönster hjälper till att isolera arkitekturkomponenternas beteende från andra komponenter som är beroende av det, vilket ökar motståndskraften och smidigheten.
För det andra, kontrollera och begränsa försök igen. AWS-tjänster som Amazon Textract kan misslyckas om det maximala antalet tilldelade TPS överskrids, vilket gör att tjänsten stryper din applikation eller avbryter din anslutning.
Du bör hantera strypning och avbrutna anslutningar genom att automatiskt försöka igen (både synkrona och asynkrona operationer). Du bör dock också ange ett begränsat antal försök, varefter operationen misslyckas och ger ett undantag. Om du ringer för många samtal till Amazon Textract under en kort tidsperiod, stryper den dina samtal och skickar en ProvisionedThroughputExceededExceptionerror
i operationssvaret.
Dessutom använd exponentiell backoff och jitter för återförsök för att förbättra genomströmningen. Använd till exempel Amazon Textract och ange antalet försök genom att inkludera config
parameter när du skapar Amazon Textract-klienten. Vi rekommenderar ett nytt försök med fem. I följande exempelkod använder vi config
parameter för att automatiskt försöka igen en operation med adaptivt läge och maximalt fem försök:
Dra nytta av AWS SDK:er, såsom AWS SDK för Python (Boto3), för att hjälpa till försöker igen klientsamtal till AWS-tjänster som Amazon Textract och Amazon Comprehend. Det finns tre återförsök lägen tillgängliga:
- Äldre läge – Omförsök kräver ett begränsat antal fel och undantag och inkluderar en exponentiell backoff med en basfaktor på 2.
- standardläge – Standardiserar logiken och beteendet för återförsök som överensstämmer med andra AWS SDK:er och utökar funktionaliteten för återförsök utöver det som finns i äldre läge. Varje återförsök kommer att inkludera en exponentiell backoff med en basfaktor på 2 under en maximal backoff-tid på 20 sekunder.
- Anpassningsläge – Innehåller alla funktioner i standardläget och introducerar en hastighetsbegränsning på klientsidan genom användning av en token-bucket och hastighetsgränsvariabler som uppdateras dynamiskt vid varje försök igen. Det erbjuder flexibilitet i försök på klientsidan som anpassar sig till felet eller undantagstillståndssvaret från en AWS-tjänst. Med varje nytt försök, ändrar adaptivt läge hastighetsgränsvariablerna baserat på felet, undantaget eller HTTP-statuskoden som presenteras i svaret från AWS-tjänsten. Dessa taxegränsvariabler används sedan för att beräkna en ny samtalstaxa för kunden. Varje undantag, fel eller misslyckat HTTP-svar från en AWS-tjänst uppdaterar hastighetsgränsvariablerna när återförsök görs tills en framgång uppnås, token-hinken är slut eller det konfigurerade värdet för maximala försök uppnås. Exempel på undantag, fel eller misslyckade HTTP-svar:
Slutsats
I det här inlägget delade vi designprinciper, fokusområden, grunder och bästa praxis för tillförlitlighet i din IDP-lösning.
AWS är engagerad i IDP Well-Architected Lens som ett levande verktyg. Allteftersom IDP-lösningarna och relaterade AWS AI-tjänster utvecklas och nya AWS-tjänster blir tillgängliga kommer vi att uppdatera IDP-objektivet välbyggt i enlighet med detta.
Om du vill lära dig mer om AWS Well-Architected Framework, se AWS välbyggd.
Om du behöver ytterligare expertvägledning, kontakta ditt AWS-kontoteam för att anlita en IDP Specialist Solutions Architect.
Om författarna
Rui Cardoso är en partnerlösningsarkitekt på Amazon Web Services (AWS). Han fokuserar på AI/ML och IoT. Han arbetar med AWS Partners och stöttar dem i att utveckla lösningar i AWS. När han inte jobbar tycker han om att cykla, vandra och lära sig nya saker.
Brijesh Pati är en Enterprise Solutions Architect på AWS. Hans primära fokus är att hjälpa företagskunder att använda molnteknik för sina arbetsbelastningar. Han har en bakgrund inom applikationsutveckling och företagsarkitektur och har arbetat med kunder från olika branscher som sport, finans, energi och professionella tjänster. Hans intressen inkluderar serverlösa arkitekturer och AI/ML.
Mia Chang är en ML Specialist Solutions Architect för Amazon Web Services. Hon arbetar med kunder i EMEA och delar bästa praxis för att köra AI/ML-arbetsbelastningar i molnet med sin bakgrund inom tillämpad matematik, datavetenskap och AI/ML. Hon fokuserar på NLP-specifika arbetsbelastningar och delar med sig av sin erfarenhet som konferenstalare och bokförfattare. På fritiden tycker hon om att vandra, brädspel och brygga kaffe.
Tim Condello är en senior arkitekt för artificiell intelligens (AI) och maskininlärning (ML) specialistlösningar på Amazon Web Services (AWS). Hans fokus är naturlig språkbehandling och datorseende. Tim tycker om att ta kundidéer och omvandla dem till skalbara lösningar.
Sherry Ding är en senior arkitekt för artificiell intelligens (AI) och maskininlärning (ML) specialistlösningar på Amazon Web Services (AWS). Hon har lång erfarenhet av maskininlärning med en doktorsexamen i datavetenskap. Hon arbetar främst med kunder i den offentliga sektorn med olika AI/ML-relaterade affärsutmaningar, och hjälper dem att påskynda sin maskininlärningsresa i AWS-molnet. När hon inte hjälper kunder tycker hon om utomhusaktiviteter.
Suyin Wang är en AI/ML Specialist Solutions Architect på AWS. Hon har en tvärvetenskaplig utbildningsbakgrund inom maskininlärning, finansiell informationstjänst och ekonomi, tillsammans med många års erfarenhet av att bygga datavetenskap och maskininlärningsapplikationer som löste verkliga affärsproblem. Hon tycker om att hjälpa kunder att identifiera rätt affärsfrågor och bygga rätt AI/ML-lösningar. På fritiden älskar hon att sjunga och laga mat.
- 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/build-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- : har
- :är
- :inte
- $UPP
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- förmåga
- Om Oss
- missbruk
- accelerera
- accepterade
- rymma
- Enligt
- i enlighet med detta
- Konto
- konton
- noggrannhet
- Uppnå
- tvärs
- Handling
- åtgärder
- aktiviteter
- adaptiv
- anpassar sig
- Dessutom
- Annat
- ytterligare information
- adress
- anta
- Fördel
- påverkar
- Efter
- AI
- AI-tjänster
- AI / ML
- rikta
- Justerat
- Alla
- allokeras
- tillåts
- tillåta
- tillåter
- ensam
- längs
- också
- Även
- amason
- Amazon Comprehend
- amazontext
- Amazon Web Services
- Amazon Web Services (AWS)
- bland
- an
- analys
- analysera
- och
- svara
- svar
- förutse
- förväntad
- vilken som helst
- api
- Ansökan
- Application Development
- tillämpningar
- tillämpas
- Ansök
- Tillämpa
- arkitektoniska
- arkitektur
- ÄR
- områden
- runt
- konstgjord
- artificiell intelligens
- Konstgjord intelligens (AI)
- AS
- aspekt
- bedöma
- bistå
- associerad
- At
- försök
- Försök
- augmented
- Författaren
- automatisera
- Automatiserad
- automatiskt
- Automation
- tillgänglighet
- tillgänglig
- undvika
- medveten
- AWS
- tillbaka
- bakgrund
- bas
- baserat
- BE
- därför att
- blir
- innan
- beteende
- Fördelarna
- BÄST
- bästa praxis
- mellan
- ombord
- Brädspel
- boken
- båda
- SLUTRESULTAT
- Byggnad
- inbyggd
- företag
- men
- by
- beräkna
- Ring
- Samtal
- KAN
- kapacitet
- Kapacitet
- fånga
- Vid
- fallstudie
- Orsak
- orsakar
- utmaningar
- byta
- ändrats
- Förändringar
- byte
- karaktär
- karaktärigenkänning
- val
- klassificering
- klient
- cloud
- koda
- koder
- Kaffe
- samla
- kombinerar
- engagerad
- Gemensam
- samhällen
- komponenter
- förstå
- dator
- Datavetenskap
- Datorsyn
- Konferens
- konfigurerad
- anslutning
- Anslutningar
- Tänk
- anses
- konsekvent
- konsekvent
- begränsningar
- konstrukt
- konsumtion
- kontakta
- innehåll
- fortsätta
- kontroll
- konvertera
- korrekt
- skadad
- kostnadseffektiv
- täcka
- omfattas
- skapa
- skapas
- Skapa
- CTO
- beställnings
- kund
- Kunder
- skräddarsy
- datum
- dataförlust
- datavetenskap
- datalagring
- beslut
- djup
- definiera
- definierade
- Examen
- Efterfrågan
- bero
- beskriven
- Designa
- konstruktionsprinciper
- betecknad
- utformade
- design
- detaljer
- Bestämma
- utveckla
- Utveckling
- olika
- dimensioner
- katastrof
- diskutera
- Dyk
- dokumentera
- dokument
- gjort
- Drop
- tappade
- under
- dynamiskt
- varje
- Ekonomi
- Utbildning
- effektivitet
- effektiv
- annars
- EMEA
- aktiverad
- möjliggör
- omfattar
- krypterad
- energi
- engagera
- tillräckligt
- berikning
- säkerställa
- Företag
- Miljö
- fel
- fel
- uppskatta
- utvärdering
- så småningom
- allt
- utvecklas
- exempel
- exempel
- överskrids
- överstiger
- excel
- undantag
- förväntan
- förväntat
- erfarenhet
- expert
- exponentiell
- sträcker
- omfattande
- Omfattande erfarenhet
- extrahera
- extraktion
- faktor
- MISSLYCKAS
- Misslyckades
- misslyckas
- Misslyckande
- misslyckanden
- kända
- Leverans
- Funktioner
- fält
- Fält
- Fil
- Filer
- finansiering
- finansiella
- finansiell information
- fem
- Flexibilitet
- Fokus
- fokuserar
- fokusering
- följer
- efter
- För
- format
- former
- hittade
- Stiftelser
- Ramverk
- Fri
- från
- full
- funktionaliteter
- funktionalitet
- ytterligare
- Games
- luckor
- samlade ihop
- skaffa sig
- Mål
- vägleda
- hantera
- Arbetsmiljö
- Hård
- Har
- he
- hjälpa
- hjälpa
- hjälper
- här
- högre
- höggradigt
- hans
- Hur ser din drömresa ut
- How To
- Men
- html
- http
- HTTPS
- humant
- idéer
- identifiera
- if
- bild
- bilder
- Inverkan
- slag
- genomföra
- genomförande
- importera
- med Esport
- viktig aspekt
- förbättra
- förbättras
- förbättra
- in
- innefattar
- innefattar
- Inklusive
- Öka
- ökande
- indikatorer
- industrier
- påverkas
- informationen
- Infrastruktur
- insikter
- Intelligens
- Intelligent
- Intelligent dokumentbehandling
- avsedd
- intressen
- in
- Introducerar
- införa
- Beskrivning
- iot
- IT
- DESS
- Jobb
- resa
- jpg
- Ha kvar
- Nyckel
- känd
- språk
- Språk
- Layout
- LÄRA SIG
- inlärning
- Led
- Legacy
- Nivå
- livscykel
- tycka om
- BEGRÄNSA
- Begränsad
- begränsande
- gränser
- levande
- skogsavverkning
- Logiken
- förlust
- älskar
- Låg
- Maskinen
- maskininlärning
- huvudsakligen
- bibehålla
- göra
- hantera
- ledning
- många
- matematik
- maximal
- Maj..
- åtgärder
- mekanism
- mekanismer
- Möt
- Metrics
- Microsoft
- kanske
- emot
- minsta
- ML
- Mode
- modell
- modeller
- lägen
- Övervaka
- övervakning
- Månad
- mer
- mest
- måste
- namn
- Natural
- Naturlig språkbehandling
- Behöver
- nät
- nätverkstrafik
- Nya
- nlp
- anmälningar
- antal
- mål
- mål
- OCR
- of
- Erbjudanden
- on
- ONE
- driva
- drift
- drift
- operativa
- Verksamhet
- optisk teckenigenkänning
- optimala
- or
- Övriga
- vår
- ut
- Resultat
- konturer
- produktion
- över
- sida
- sidor
- parameter
- del
- partnern
- partner
- reservdelar till din klassiker
- Mönster
- för
- Utföra
- prestanda
- utför
- perioden
- phd
- Pelare
- Planen
- planering
- plato
- Platon Data Intelligence
- PlatonData
- Punkt
- möjlig
- Inlägg
- potentiell
- praktiken
- praxis
- presenteras
- förhindra
- föregående
- primär
- Principerna
- problem
- förfaranden
- process
- processer
- bearbetning
- Produktion
- professionell
- projektet
- skydda
- ge
- ger
- allmän
- Python
- sökfrågor
- fråga
- frågor
- citera
- höja
- Betygsätta
- rates
- snarare
- kommit fram till
- Läsa
- Läsning
- verkliga världen
- erkännande
- rekommenderar
- rekommendationer
- Recover
- återvinning
- hänvisa
- regioner
- relaterad
- frigöra
- tillförlitlighet
- pålitlig
- avlägsnar
- reparation
- upprepa
- representativ
- begära
- förfrågningar
- kräver
- Obligatorisk
- Krav
- Kräver
- motståndskraft
- elastisk
- Resurser
- respons
- svar
- Resultat
- översyn
- Granskad
- höger
- risker
- rund
- regler
- Körning
- rinnande
- skalbar
- scenarier
- Vetenskap
- sDK
- sdks
- söka
- Andra
- sekunder
- §
- sektor
- säkra
- se
- sända
- sänder
- senior
- separat
- Serier
- Server
- service
- Tjänster
- in
- flera
- delas
- aktier
- hon
- Kort
- skall
- Visar
- signaturer
- Enkelt
- förenkla
- enda
- Storlek
- Sakta ner
- släta
- Mjuk
- lösning
- Lösningar
- några
- utrymmen
- Högtalare
- specialist
- specifik
- specifikt
- spikar
- Sporter
- stadier
- standard
- starta
- Starta
- startar
- Ange
- status
- Steg
- förvaring
- lagra
- Strategi
- Sträng
- Läsa på
- stil
- framgång
- framgångsrik
- sådana
- stödja
- Som stöds
- Stödjande
- säker
- hållbart
- tackla
- Ta
- tar
- uppgifter
- grupp
- Teknisk
- Tekniken
- villkor
- testa
- Testning
- text
- än
- den där
- Smakämnen
- deras
- Dem
- sedan
- Där.
- Dessa
- de
- saker
- detta
- de
- tre
- tröskelvärde
- Genom
- genomströmning
- tim
- tid
- till
- token
- alltför
- verktyg
- Totalt
- tps
- spår
- trafik
- Utbildning
- Transaktioner
- behandla
- utlösa
- Vrida
- typiskt
- under
- förstå
- okänd
- tills
- Uppdatering
- uppdaterad
- Uppdateringar
- Användning
- användning
- användningsfall
- Begagnade
- Användare
- användare
- med hjälp av
- vanligen
- BEKRÄFTA
- godkännande
- värde
- Värden
- mängd
- olika
- version
- versioner
- syn
- vill
- we
- webb
- webbservice
- väldefinierad
- när
- som
- medan
- VEM
- kommer
- med
- inom
- utan
- ord
- ord
- Arbete
- arbetade
- arbetsflöde
- arbetsflöden
- arbetssätt
- fungerar
- år
- Om er
- Din
- zephyrnet