Det här inlägget är skrivet tillsammans med Marc Neumann, Amor Steinberg och Marinus Krommenhoek från BMW Group.
Smakämnen BMW Group – med huvudkontor i München, Tyskland – drivs av 149,000 30 anställda över hela världen och tillverkar i över 15 produktions- och monteringsanläggningar i XNUMX länder. Idag är BMW Group världens ledande tillverkare av premiumbilar och motorcyklar, och leverantör av premium finansiella tjänster och mobilitetstjänster. BMW Group sätter trender inom produktionsteknik och hållbarhet som innovationsledare med en intelligent materialmix, en teknologisk förändring mot digitalisering och resurseffektiv produktion.
I en allt mer digital och snabbt föränderlig värld är BMW Groups affärs- och produktutvecklingsstrategier mycket beroende av datadrivet beslutsfattande. Med det har behovet av datavetare och maskininlärningsingenjörer (ML) vuxit avsevärt. Dessa skickliga proffs har till uppgift att bygga och distribuera modeller som förbättrar kvaliteten och effektiviteten i BMW:s affärsprocesser och möjliggör välgrundade ledarskapsbeslut.
Datavetare och ML-ingenjörer kräver kompetenta verktyg och tillräcklig beräkning för sitt arbete. Därför etablerade BMW en centraliserad ML/deep learning-infrastruktur i lokaler för flera år sedan och uppgraderade den kontinuerligt. För att bana väg för tillväxten av AI behövde BMW Group ta ett steg när det gäller skalbarhet och elasticitet samtidigt som de minskade driftskostnader, mjukvarulicenser och hårdvaruhantering.
I det här inlägget kommer vi att prata om hur BMW Group, i samarbete med AWS Professional Services, byggde sin Jupyter Managed (JuMa) tjänst för att möta dessa utmaningar. JuMa är en tjänst från BMW Groups AI-plattform för dess dataanalytiker, ML-ingenjörer och datavetare som tillhandahåller en användarvänlig arbetsyta med en integrerad utvecklingsmiljö (IDE). Den drivs av Amazon SageMaker Studio och tillhandahåller JupyterLab för Python och Posit Workbench för R. Detta erbjudande gör det möjligt för BMW ML-ingenjörer att utföra kodcentrerad dataanalys och ML, ökar utvecklarens produktivitet genom att tillhandahålla självbetjäningskapacitet och infrastrukturautomation, och integreras tätt med BMW:s centraliserade IT-verktygslandskap.
JuMa är nu tillgängligt för alla datavetare, ML-ingenjörer och dataanalytiker på BMW Group. Tjänsten effektiviserar ML utvecklings- och produktionsarbetsflöden (MLOps) över BMW genom att tillhandahålla en kostnadseffektiv och skalbar utvecklingsmiljö som underlättar sömlöst samarbete mellan datavetenskap och ingenjörsteam över hela världen. Detta resulterar i snabbare experiment och kortare idévalideringscykler. Dessutom JuMa-infrastrukturen, som bygger på AWS serverlös och hanterade tjänster, hjälper till att minska de operativa omkostnaderna för DevOps-teamen och låter dem fokusera på att möjliggöra användningsfall och påskynda AI-innovation hos BMW Group.
Utmaningar med att växa en lokal AI-plattform
Innan JuMa-tjänsten introducerades använde BMW-team över hela världen två lokala plattformar som försåg teamen med JupyterHub- och RStudio-miljöer. Dessa plattformar var för begränsade vad gäller CPU, GPU och minne för att tillåta skalbarheten av AI hos BMW Group. Att skala dessa plattformar med hantering av mer lokal hårdvara, fler programvarulicenser och supportavgifter skulle kräva betydande investeringar i förväg och stora ansträngningar för underhållet. För att lägga till detta fanns begränsade självbetjäningsmöjligheter tillgängliga, vilket krävde hög operativ insats för dess DevOps-team. Ännu viktigare är att användningen av dessa plattformar var felinriktad med BMW Groups IT-molnförst-strategi. Till exempel missade team som använder dessa plattformar en enkel migrering av sina AI/ML-prototyper till industrialiseringen av lösningen som körs på AWS. Däremot behövde datavetenskaps- och analysteamen som redan använder AWS direkt för experiment också ta hand om att bygga och driva sin AWS-infrastruktur samtidigt som de säkerställer efterlevnad av BMW Groups interna policyer, lokala lagar och förordningar. Detta inkluderade en rad konfigurations- och styrningsaktiviteter från att beställa AWS-konton, begränsa internetåtkomst, använda tillåtna listade paket till att hålla sina Docker-bilder uppdaterade.
Översikt över lösningen
JuMa är en fullständigt hanterad multi-tenant, säkerhetshärdad AI-plattformstjänst byggd på AWS med SageMaker Studio i kärnan. Genom att förlita sig på AWS-serverlösa och hanterade tjänster som de viktigaste byggstenarna i infrastrukturen behöver JuMa DevOps-teamet inte oroa sig för att patcha servrar, uppgradera lagring eller hantera andra infrastrukturkomponenter. Tjänsten hanterar alla dessa processer automatiskt, vilket ger en kraftfull teknisk plattform som i allmänhet är uppdaterad och redo att användas.
JuMa-användare kan enkelt beställa en arbetsyta via en självbetjäningsportal för att skapa en säker och isolerad utvecklings- och experimentmiljö för sina team. Efter att en JuMa-arbetsyta har tillhandahållits kan användarna starta JupyterLab- eller Posit-arbetsbänkmiljöer i SageMaker Studio med bara några klick och starta utvecklingen omedelbart, med hjälp av de verktyg och ramverk de är mest bekanta med. JuMa är tätt integrerat med en rad BMW Central IT-tjänster, inklusive identitets- och åtkomsthantering, roll- och rättighetshantering, BMW Cloud Data Hub (BMW:s datasjö på AWS) och lokala databaser. Det sistnämnda hjälper AI/ML-team att sömlöst komma åt nödvändig data, förutsatt att de har behörighet att göra det, utan att behöva bygga datapipelines. Dessutom kan anteckningsböckerna integreras i företagets Git-förråd för att samarbeta med versionskontroll.
Lösningen abstraherar bort all teknisk komplexitet som är associerad med AWS-kontohantering, konfiguration och anpassning för AI/ML-team, vilket gör att de kan fokusera fullt ut på AI-innovation. Plattformen säkerställer att arbetsytans konfiguration uppfyller BMW:s säkerhets- och efterlevnadskrav direkt.
Följande diagram beskriver högnivåkontextvyn av arkitekturen.
Användarresa
BMW AI/ML-teammedlemmar kan beställa sin JuMa-arbetsyta med BMW:s standardkatalogtjänst. Efter godkännande av linjechefen tillhandahålls den beställda JuMa-arbetsytan av plattformen helt automatiserat. Arbetsytans provisioneringsarbetsflöde inkluderar följande steg (som numrerat i arkitekturdiagrammet).
- Ett dataforskarteam beställer en ny JuMa-arbetsyta i BMWs katalog. JuMa tillhandahåller automatiskt ett nytt AWS-konto för arbetsytan. Detta säkerställer full isolering mellan arbetsytorna enligt den federerade modellkontostrukturen som nämns i SageMaker Studio Administration Bästa praxis.
- JuMa konfigurerar en arbetsyta (som är en Sagemaker-domän) som endast tillåter fördefinierade Amazon SageMaker funktioner som krävs för experiment och utveckling, specifika anpassade kärnor och livscykelkonfigurationer. Den ställer också in de nödvändiga undernäten och säkerhetsgrupperna som säkerställer att de bärbara datorerna körs i en säker miljö.
- Efter att arbetsytorna har tillhandahållits loggar de auktoriserade användarna in på JuMa-portalen och kommer åt SageMaker Studio IDE inom sin arbetsyta med en SageMaker försignerad URL. Användare kan välja mellan att öppna ett SageMaker Studio privat utrymme eller en delat utrymme. Delade utrymmen uppmuntrar till samarbete mellan olika medlemmar i ett team som kan arbeta parallellt på samma bärbara datorer, medan privata utrymmen möjliggör en utvecklingsmiljö för ensam arbetsbelastning.
- Genom att använda BMWs dataportal kan användare begära åtkomst till lokala databaser eller data lagrade i BMWs Cloud Data Hub, vilket gör det tillgängligt i deras arbetsyta för utveckling och experiment, från dataförberedelse och analys till modellutbildning och validering.
Efter att en AI-modell har utvecklats och validerats i JuMa kan AI-teamen använda MLOPs-tjänsten för BMW AI-plattformen för att distribuera den till produktion snabbt och enkelt. Den här tjänsten förser användare med en produktionsgradig ML-infrastruktur och pipelines på AWS med SageMaker, som kan ställas in på några minuter med bara några klick. Användare behöver helt enkelt vara värd för sin modell på den tillhandahållna infrastrukturen och anpassa pipelinen för att möta deras specifika användningsfallsbehov. På så sätt täcker AI-plattformen hela AI-livscykeln hos BMW Group.
JuMa funktioner
Efter best practice-arkitektur på AWS, designades och implementerades JuMa-tjänsten enligt AWS välarkitekterade ramverk. Arkitektoniska beslut för varje välbyggd pelare beskrivs i detalj i följande avsnitt.
Säkerhet och efterlevnad
För att säkerställa full isolering mellan hyresgästerna får varje arbetsyta ett eget AWS-konto, där de auktoriserade användarna gemensamt kan samarbeta kring analysuppgifter samt om att utveckla och experimentera med AI/ML-modeller. JuMa-portalen upprätthåller isolering vid körning med policybaserad isolering med AWS identitets- och åtkomsthantering (IAM) och JuMa-användarens sammanhang. För mer information om denna strategi, se Körtid, policybaserad isolering med IAM.
Dataforskare kan endast komma åt sin domän via BMW-nätverket via försignerade URL:er som genereras av portalen. Direkt internetåtkomst är inaktiverad inom deras domän. Deras Sagemaker-domänprivilegier är byggda med hjälp av Amazon SageMaker Roll Manager personas för att säkerställa minst privilegierad tillgång till AWS-tjänster som behövs för utvecklingen, såsom SageMaker, Amazonas Athena, Amazon enkel lagringstjänst (Amazon S3), och AWS-lim. Den här rollen implementerar ML-skyddsräcken (som de som beskrivs i Styrning och kontroll), inklusive upprätthållande av ML-träning som ska ske i någondera Amazon Virtual Private Cloud (Amazon VPC) eller utan internet och tillåter endast användning av JuMas anpassade granskade och uppdaterade SageMaker-bilder.
Eftersom JuMa är designat för utveckling, experiment och ad-hoc-analys, implementerar den lagringspolicyer för att ta bort data efter 30 dagar. För att komma åt data när det behövs och lagra dem under lång tid, integreras JuMa sömlöst med BMW Cloud Data Hub och BMWs lokala databaser.
Slutligen stödjer JuMa flera regioner för att följa särskilda lokala rättsliga situationer som till exempel kräver att den behandlar data lokalt för att möjliggöra BMW:s datasuveränitet.
Operationell excellens
Både JuMa-plattformens backend och arbetsytor är implementerade med AWS serverlös och hanterade tjänster. Att använda dessa tjänster hjälper till att minimera ansträngningen för BMW-plattformsteamet att underhålla och driva helhetslösningen och sträva efter att vara en tjänst utan drift. Både arbetsytan och portalen övervakas med hjälp av amazoncloudwatch loggar, mätvärden och larm för att kontrollera nyckelprestandaindikatorer (KPI) och proaktivt meddela plattformsteamet om eventuella problem. Dessutom har AWS röntgen distribuerat spårningssystem används för att spåra förfrågningar genom flera komponenter och kommentera CloudWatch-loggar med arbetsytarelevant kontext.
Alla ändringar i JuMas infrastruktur hanteras och implementeras genom automatisering med infrastruktur som kod (IaC). Detta hjälper till att minska manuella ansträngningar och mänskliga fel, öka konsekvensen och säkerställa reproducerbara och versionskontrollerade ändringar över båda JuMa-plattformens backend-arbetsytor. Specifikt tillhandahålls och uppdateras alla arbetsytor genom en introduktionsprocess som byggs ovanpå AWS stegfunktioner, AWS CodeBuild, och Terraform. Därför krävs ingen manuell konfiguration för att ta med nya arbetsytor till JuMa-plattformen.
Kostnadsoptimering
Genom att använda AWS-serverlösa tjänster säkerställer JuMa skalbarhet på begäran, förgodkända instansstorlekar och en pay-as-you-go-modell för de resurser som används under utvecklings- och experimentaktiviteterna enligt AI/ML-teamens behov. För att ytterligare optimera kostnaderna övervakar och identifierar JuMa-plattformen lediga resurser inom SageMaker Studio och stänger av dem automatiskt för att förhindra utgifter för icke-utnyttjade resurser.
Hållbarhet
JuMa ersätter BMW:s två lokala plattformar för analys och djupinlärning arbetsbelastningar som förbrukar en avsevärd mängd el och producerar CO2-utsläpp även när de inte används. Genom att migrera AI/ML-arbetsbelastningar från lokaler till AWS kommer BMW att minska sin miljöpåverkan genom att avveckla de lokala plattformarna.
Dessutom hjälper mekanismen för automatisk avstängning av lediga resurser, datalagringspolicyer och rapporterna om arbetsytans användning till dess ägare implementerade i JuMa ytterligare att minimera miljöavtrycket av att köra AI/ML-arbetsbelastningar på AWS.
Prestandaeffektivitet
Genom att använda SageMaker Studio drar BMW-team nytta av en enkel användning av de senaste SageMaker-funktionerna som kan hjälpa till att påskynda experimenterandet. Till exempel kan de använda Amazon SageMaker JumpStart förmåga att använda de senaste förutbildade, öppen källkodsmodeller. Dessutom hjälper det till att minska AI/ML-teamets ansträngningar från experimentering till lösningsindustrialisering, eftersom utvecklingsmiljön tillhandahåller samma AWS-kärntjänster men begränsade till utvecklingsmöjligheter.
Pålitlighet
SageMaker Studio-domäner distribueras i ett endast VPC-läge för att hantera internetåtkomst och tillåter endast åtkomst till avsedda AWS-tjänster. Nätverket distribueras i två tillgänglighetszoner för att skydda mot en enda punkt av fel, vilket uppnår större motståndskraft och tillgänglighet av plattformen för sina användare.
Ändringar av JuMa-arbetsytor distribueras och testas automatiskt i utvecklings- och integrationsmiljöer, med hjälp av IaC- och CI/CD-pipelines, innan kundmiljöer uppgraderas.
Slutligen, data lagrad i Amazon Elastic File System (Amazon EFS) för SageMaker Studio-domäner behålls efter att volymer har raderats för säkerhetskopieringsändamål.
Slutsats
I det här inlägget beskrev vi hur BMW Group i samarbete med AWS ProServe utvecklade en fullt hanterad AI-plattformstjänst på AWS med SageMaker Studio och andra AWS-serverlösa och hanterade tjänster.
Med JuMa får BMW:s AI/ML-team befogenhet att låsa upp nytt affärsvärde genom att påskynda experimenterandet såväl som time-to-market för störande AI-lösningar. Genom att migrera från sin lokala plattform kan BMW dessutom minska de totala operativa ansträngningarna och kostnaderna samtidigt som hållbarheten och den övergripande säkerhetsställningen ökar.
Om du vill veta mer om hur du kör dina AI/ML-experiment och utvecklingsarbeten på AWS, besök Amazon SageMaker Studio.
Om författarna
Marc Neumann är chef för den centrala AI-plattformen på BMP Group. Han är ansvarig för att utveckla och implementera strategier för att använda AI-teknik för att skapa affärsvärde inom hela BMW Group. Hans primära mål är att säkerställa att användningen av AI är hållbar och skalbar, vilket innebär att den kan tillämpas konsekvent i hela organisationen för att driva långsiktig tillväxt och innovation. Genom sitt ledarskap siktar Neumann på att positionera BMW Group som en ledare inom AI-driven innovation och värdeskapande inom bilindustrin och utanför.
Amor Steinberg är en maskininlärningsingenjör på BMW Group och tjänsteledare för Jupyter Managed, en ny tjänst som syftar till att tillhandahålla en kodcentrerad analys- och maskininlärningsarbetsbänk för ingenjörer och datavetare på BMW Group. Hans tidigare erfarenhet som DevOps-ingenjör på finansiella institutioner gjorde det möjligt för honom att samla en unik förståelse för de utmaningar som banker står inför i Europeiska Unionen och hålla balansen mellan strävan efter teknisk innovation, att följa lagar och förordningar och maximera säkerheten för kunderna.
Marinus Krommenhoek är senior molnlösningsarkitekt och mjukvaruutvecklare på BMW Group. Han är entusiastisk över att modernisera IT-landskapet med toppmoderna tjänster som tillför högt värde och är lätta att underhålla och driva. Marinus är en stor förespråkare för mikrotjänster, serverlösa arkitekturer och agilt arbete. Han har erfarenhet av att arbeta med distribuerade team över hela världen inom stora företag.
Nicolas Jacob Baer är en Principal Cloud Application Architect på AWS ProServe med starkt fokus på datateknik och maskininlärning, baserat i Schweiz. Han arbetar nära företagskunder för att designa dataplattformar och bygga avancerad analys och ML-användningsfall.
Joaquin Rinaudo är huvudsäkerhetsarkitekt på AWS ProServe. Han brinner för att bygga lösningar som hjälper utvecklare att förbättra sin mjukvarukvalitet. Före AWS arbetade han över flera domäner inom säkerhetsbranschen, från mobil säkerhet till moln och efterlevnadsrelaterade ämnen. På sin fritid gillar Joaquin att umgås med familjen och läsa science fiction-romaner.
Shukhrat Khodjaev är Senior Global Engagement Manager på AWS ProServe. Han är specialiserad på att leverera effektiva big data och AI/ML-lösningar som gör det möjligt för AWS-kunder att maximera sitt affärsvärde genom dataanvändning.
- 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/accelerating-ai-ml-development-at-bmw-group-with-amazon-sagemaker-studio/
- : har
- :är
- :inte
- :var
- $UPP
- 000
- 100
- 120
- 15%
- 30
- 7
- 971
- a
- Om oss
- sammandrag
- accelerera
- accelererande
- tillgång
- Enligt
- Konto
- kontohantering
- konton
- uppnå
- tvärs
- aktiviteter
- lägga till
- Dessutom
- adress
- administrering
- Antagande
- avancerat
- förespråkare
- Efter
- mot
- smidig
- sedan
- AI
- AI-plattform
- AI / ML
- Syftet
- Alla
- tillåter
- tillåts
- tillåta
- tillåter
- redan
- också
- amason
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon Web Services
- mängd
- an
- analys
- analytiker
- analytics
- och
- och infrastruktur
- vilken som helst
- Ansökan
- tillämpas
- godkännande
- arkitektoniska
- arkitektur
- ÄR
- AS
- Montage
- associerad
- försäkra
- At
- tillstånd
- bil
- automatiskt
- Automation
- fordonsindustrin
- bilindustrin
- tillgänglighet
- tillgänglig
- bort
- AWS
- AWS professionella tjänster
- backend
- säkerhetskopiering
- Balansera
- Banker
- baserat
- BE
- därför att
- innan
- fördel
- BÄST
- mellan
- Bortom
- Stor
- Stora data
- Block
- BMW
- båda
- Box
- SLUTRESULTAT
- Byggnad
- byggt
- företag
- men
- by
- KAN
- kapacitet
- kapacitet
- kapabel
- vilken
- Vid
- fall
- katalog
- centrala
- centraliserad
- utmaningar
- Förändringar
- byte
- ta
- Välja
- nära
- cloud
- koda
- samarbeta
- samverkan
- komplexiteter
- Efterlevnad
- följa
- komponenter
- Compute
- konfiguration
- betydande
- konsekvent
- konsumera
- sammanhang
- kontinuerligt
- Däremot
- kontroll
- Kärna
- Företag
- Kostar
- länder
- Täcker
- skapa
- skapande
- beställnings
- kund
- Kunder
- anpassning
- skräddarsy
- cykler
- datum
- Data Analytics
- datasjö
- Förberedelse av data
- datavetenskap
- datavetare
- data driven
- databaser
- Datum
- Dagar
- Beslutsfattande
- beslut
- djup
- djupt lärande
- leverera
- distribuera
- utplacerade
- utplacera
- beskriven
- Designa
- utformade
- detalj
- utvecklade
- Utvecklare
- utvecklare
- utveckla
- Utveckling
- olika
- digital
- digitalisering
- rikta
- direkt
- inaktiverad
- störande
- distribueras
- do
- Hamnarbetare
- inte
- domän
- domäner
- ner
- driv
- driven
- under
- varje
- lätt
- effektivitet
- ansträngning
- enkelt
- ansträngningar
- antingen
- el
- utsläpp
- anställda
- befogenhet
- möjliggöra
- aktiverad
- möjliggör
- möjliggör
- uppmuntra
- början till slut
- tillämpning
- ingrepp
- ingenjör
- Teknik
- Ingenjörer
- säkerställa
- säkerställer
- säkerställa
- Företag
- företag
- entusiastiska
- Hela
- Miljö
- miljömässigt
- miljöer
- fel
- etablerade
- Giltigt körkort
- europeisk union
- Även
- exempel
- kostnader
- erfarenhet
- ytorna
- underlättar
- anläggningar
- Misslyckande
- bekant
- familj
- snabbare
- Funktioner
- avgifter
- få
- Fil
- finansiella
- Finansiella institut
- Fokus
- efter
- Fotavtryck
- För
- ramar
- Fri
- från
- full
- fullständigt
- ytterligare
- Vidare
- samla
- allmänhet
- genereras
- Tyskland
- gå
- ges
- Välgörenhet
- globen
- Målet
- styrning
- GPU
- större
- Grupp
- Gruppens
- Odling
- vuxen
- Tillväxt
- Handtag
- hårdvara
- he
- huvud
- huvudkontor
- kraftigt
- hjälpa
- hjälper
- Hög
- högt värde
- högnivå
- honom
- hans
- värd
- Hur ser din drömresa ut
- html
- http
- HTTPS
- Nav
- humant
- Tanken
- identifierar
- Identitet
- Idle
- bilder
- blir omedelbart
- Inverkan
- effektfull
- genomföras
- genomföra
- redskap
- viktigt
- förbättra
- in
- ingår
- innefattar
- Inklusive
- Öka
- Ökar
- ökande
- alltmer
- indikatorer
- industrin
- informationen
- informeras
- Infrastruktur
- Innovation
- exempel
- institutioner
- integrerade
- integrerar
- integrering
- Intelligent
- avsedd
- inre
- Internet
- internetåtkomst
- in
- införa
- Investeringar
- isolerat
- isolering
- problem
- IT
- DESS
- sig
- Jacob
- jpg
- bara
- Ha kvar
- hålla
- hålls
- Nyckel
- sjö
- liggande
- Large
- Stora företag
- senaste
- lansera
- Lagar
- Lagar och förordningar
- leda
- ledare
- Ledarskap
- ledande
- Språng
- LÄRA SIG
- inlärning
- t minst
- Adress
- licenser
- Licens
- livscykel
- Begränsad
- begränsande
- linje
- Noterade
- lokal
- lokalt
- log
- Lång
- lång sikt
- Maskinen
- maskininlärning
- Huvudsida
- bibehålla
- upprätthålla
- underhåll
- göra
- Framställning
- hantera
- förvaltade
- ledning
- chef
- hantera
- manuell
- Tillverkare
- Materialet
- Maximera
- maximera
- betyder
- mekanism
- Möt
- möter
- Medlemmar
- Minne
- nämnts
- Metrics
- microservices
- migrerande
- migration
- minuter
- missade
- Blanda
- ML
- MLOps
- Mobil
- mobil säkerhet
- mobilitet
- Mode
- modell
- modeller
- modernisering
- övervakas
- monitorer
- mer
- Dessutom
- mest
- motorcyklar
- rörliga
- multipel
- Behöver
- behövs
- behöver
- behov
- nät
- Nya
- Nej
- nu
- numrerad
- of
- erbjuda
- on
- On-Demand
- Ombord
- Onboarding
- endast
- öppet
- öppen källkod
- öppning
- driva
- drift
- operativa
- Optimera
- or
- beställa
- ordrar
- organisation
- Övriga
- ut
- över
- övergripande
- egen
- ägare
- paket
- Parallell
- brinner
- Tidigare
- Patching
- bana
- för
- Utföra
- prestanda
- Pelare
- rörledning
- plattform
- Plattformar
- plato
- Platon Data Intelligence
- PlatonData
- Punkt
- Strategier
- Portal
- placera
- Inlägg
- drivs
- den mäktigaste
- praktiken
- Premium
- beredning
- förhindra
- primär
- Principal
- Innan
- privat
- privilegium
- privilegier
- process
- processer
- producera
- Produkt
- produktutveckling
- Produktion
- produktivitet
- professionell
- yrkesmän/kvinnor
- skydda
- prototyper
- ge
- förutsatt
- leverantör
- ger
- tillhandahålla
- syfte
- Python
- kvalitet
- snabbt
- R
- område
- snabbt
- Läsning
- redo
- erhåller
- post
- minska
- reducerande
- hänvisa
- om
- regioner
- föreskrifter
- förlita
- förlita
- ta bort
- Rapport
- begära
- förfrågningar
- kräver
- Obligatorisk
- Krav
- Resurser
- ansvarig
- begränsad
- Resultat
- retentionstid
- rättigheter
- Roll
- roller
- Körning
- rinnande
- runtime
- sagemaker
- Samma
- skalbarhet
- skalbar
- skalning
- Vetenskap
- Forskare
- vetenskapsmän
- sömlös
- sömlöst
- sektioner
- säkra
- säkerhet
- Självbetjäning
- senior
- Server
- Servrar
- service
- Tjänster
- in
- uppsättningar
- flera
- delas
- skifta
- avstängning
- stängs
- signifikant
- signifikant
- Enkelt
- helt enkelt
- enda
- situationer
- storlekar
- skicklig
- So
- Mjukvara
- lösning
- Lösningar
- Källa
- suveränitet
- Utrymme
- utrymmen
- speciell
- specialiserat
- specifik
- specifikt
- Spendera
- standard
- starta
- state-of-the-art
- Steg
- Steg
- förvaring
- lagra
- lagras
- strategier
- Strategi
- strömlinjer
- strävan
- stark
- struktur
- studio
- subnät
- sådana
- tillräcklig
- stödja
- Stöder
- Hållbarhet
- hållbart
- schweiz
- system
- Ta
- Diskussion
- uppgifter
- grupp
- Gruppmedlemmar
- lag
- Teknisk
- teknisk
- Teknologi
- termin
- Terraform
- testade
- den där
- Smakämnen
- Linjen
- deras
- Dem
- därför
- Dessa
- de
- detta
- de
- Genom
- hela
- tätt
- tid
- till
- i dag
- alltför
- verktyg
- topp
- ämnen
- mot
- Trace
- spåra
- Utbildning
- Trender
- två
- förståelse
- fackliga
- unika
- låsa
- TIDSENLIG
- uppdaterad
- uppgraderad
- URL
- Användning
- användning
- användningsfall
- Begagnade
- användarvänligt
- användare
- med hjälp av
- validerade
- godkännande
- värde
- värdeskapande
- version
- kontrollerad
- via
- utsikt
- Virtuell
- Besök
- volymer
- var
- Sätt..
- we
- webb
- webbservice
- VÄL
- były
- när
- närhelst
- medan
- som
- medan
- kommer
- med
- inom
- utan
- Arbete
- arbetade
- arbetsflöde
- arbetsflöden
- arbetssätt
- fungerar
- världen
- Världens
- inom hela sverige
- oro
- skulle
- år
- Din
- zephyrnet
- zoner