โพสต์นี้ร่วมเขียนโดย Zdenko Estok, Cloud Architect ที่ Accenture และ Sakar Selimcan, DeepRacer SME ที่ Accenture
ด้วยการใช้ปัญญาประดิษฐ์ (AI) และแมชชีนเลิร์นนิง (ML) ที่เพิ่มขึ้นสำหรับอุตสาหกรรมส่วนใหญ่ (ตั้งแต่การดูแลสุขภาพไปจนถึงการประกันภัย จากการผลิตไปจนถึงการตลาด) โฟกัสหลักจึงเปลี่ยนไปที่ประสิทธิภาพเมื่อสร้างและฝึกอบรมโมเดลตามขนาด การสร้างสภาพแวดล้อมด้านวิทยาศาสตร์ข้อมูลที่ปรับขนาดได้และไม่ยุ่งยากเป็นกุญแจสำคัญ อาจใช้เวลานานพอสมควรในการเปิดใช้และกำหนดค่าสภาพแวดล้อมที่ปรับให้เหมาะกับกรณีการใช้งานเฉพาะ และยากยิ่งกว่าในการเริ่มงานเพื่อนร่วมงานเพื่อทำงานร่วมกัน
ตามที่ แอคเซนเจอร์บริษัทที่จัดการเพื่อปรับขนาด AI และ ML อย่างมีประสิทธิภาพจะได้รับผลตอบแทนจากการลงทุนเกือบสามเท่า ถึงกระนั้นก็ใช่ว่าทุกบริษัทจะได้รับผลตอบแทนที่คาดหวังจากการเดินทางด้วย AI/ML ชุดเครื่องมือเพื่อทำให้โครงสร้างพื้นฐานเป็นแบบอัตโนมัติกลายเป็นสิ่งจำเป็นสำหรับการปรับขนาดแนวนอนของความพยายามด้าน AI/ML ภายในองค์กร
AWS Deep Racer เป็นวิธีที่ง่ายและสนุกในการเริ่มต้นการเรียนรู้แบบเสริมกำลัง (RL) ซึ่งเป็นเทคนิค ML ที่เจ้าหน้าที่ค้นพบการดำเนินการที่เหมาะสมที่สุดในสภาพแวดล้อมที่กำหนด ในกรณีของเรา นั่นคือยานพาหนะ AWS DeepRacer ที่พยายามวิ่งอย่างรวดเร็วรอบสนามแข่ง คุณสามารถเริ่มต้นใช้งาน RL ได้อย่างรวดเร็วด้วยบทช่วยสอนภาคปฏิบัติที่จะแนะนำคุณเกี่ยวกับพื้นฐานของการฝึกอบรมโมเดล RL และทดสอบในรูปแบบที่น่าตื่นเต้น ประสบการณ์การแข่งรถอัตโนมัติ.
โพสต์นี้แสดงวิธีที่บริษัทสามารถใช้โครงสร้างพื้นฐานเป็นรหัส (IaC) กับ ชุดพัฒนา AWS Cloud (AWS CDK) เพื่อเร่งการสร้างและการจำลองโครงสร้างพื้นฐานที่ถ่ายโอนได้สูง และแข่งขันเพื่อแข่งขัน AWS DeepRacer ในวงกว้างได้อย่างง่ายดาย
“IaC เมื่อรวมกับสภาพแวดล้อม Jupyter ที่มีการจัดการทำให้เราได้รับสิ่งที่ดีที่สุดจากทั้งสองโลก: สภาพแวดล้อมด้านวิทยาการข้อมูลที่ทำซ้ำได้และถ่ายโอนได้สูงเพื่อให้เราเข้าร่วมกับคู่แข่ง AWS DeepRacer เพื่อมุ่งเน้นไปที่สิ่งที่พวกเขาทำได้ดีที่สุด: ฝึกฝนโมเดลที่รวดเร็วอย่างรวดเร็ว”
– Selimcan Sakar, AWS DeepRacer SME ที่ Accenture
ภาพรวมโซลูชัน
การจัดการบริการที่จำเป็นทั้งหมดต้องใช้เวลาพอสมควรในการสร้างเทมเพลตที่ปรับขนาดได้ซึ่งสามารถนำไปใช้กับกรณีการใช้งานหลายกรณีได้ ในอดีตที่ผ่านมา, การก่อตัวของ AWS Cloud เทมเพลตถูกสร้างขึ้นเพื่อสร้างบริการเหล่านี้โดยอัตโนมัติ ด้วยความก้าวหน้าในระบบอัตโนมัติและการกำหนดค่าด้วยระดับนามธรรมที่เพิ่มขึ้นเพื่อตั้งค่าสภาพแวดล้อมที่แตกต่างกันด้วยเครื่องมือ IaC AWS CDK จึงถูกนำมาใช้อย่างกว้างขวางในองค์กรต่างๆ AWS CDK เป็นเฟรมเวิร์กการพัฒนาซอฟต์แวร์แบบโอเพ่นซอร์สเพื่อกำหนดทรัพยากรแอปพลิเคชันระบบคลาวด์ของคุณ มันใช้ความคุ้นเคยและความสามารถในการแสดงออกของภาษาการเขียนโปรแกรมสำหรับการสร้างแบบจำลองแอปพลิเคชันของคุณ ในขณะที่จัดเตรียมทรัพยากรในลักษณะที่ปลอดภัยและทำซ้ำได้
ในโพสต์นี้ เราเปิดใช้งานการจัดเตรียมส่วนประกอบต่างๆ ที่จำเป็นสำหรับการวิเคราะห์บันทึกโดยใช้ อเมซอน SageMaker บน AWS DeepRacer ผ่าน AWS CDK โครงสร้าง.
แม้ว่ากราฟการวิเคราะห์ที่ให้ไว้ในคอนโซล DeepRacer จะมีประสิทธิภาพและตรงไปตรงมาเกี่ยวกับรางวัลที่ได้รับและความคืบหน้าที่ได้รับ แต่ก็ไม่ได้ให้ข้อมูลเชิงลึกว่ารถเคลื่อนผ่านจุดอ้างอิงได้เร็วเพียงใด หรือแนวใดที่รถชอบรอบสนามแข่ง . นี่คือที่มาของการวิเคราะห์บันทึกขั้นสูง การวิเคราะห์บันทึกขั้นสูงของเรามีจุดมุ่งหมายเพื่อนำประสิทธิภาพในการฝึกซ้อมย้อนหลัง เพื่อทำความเข้าใจว่าฟังก์ชันการให้รางวัลและพื้นที่การดำเนินการใดทำงานได้ดีกว่ารูปแบบอื่นๆ เมื่อฝึกโมเดลหลายตัว และไม่ว่าโมเดลใดจะฟิตเกินไป เพื่อให้นักแข่งสามารถฝึกได้อย่างชาญฉลาดและได้ผลลัพธ์ที่ดีขึ้นด้วยการฝึกที่น้อยลง
โซลูชันของเราอธิบายการกำหนดค่าสภาพแวดล้อม AWS DeepRacer โดยใช้ AWS CDK เพื่อเร่งการเดินทางของผู้ใช้ที่ทดลองด้วยการวิเคราะห์บันทึกของ SageMaker และเสริมการเรียนรู้บน AWS สำหรับเหตุการณ์ AWS DeepRacer
ผู้ดูแลระบบสามารถเรียกใช้สคริปต์ AWS CDK ที่มีให้ใน repo GitHub เมื่อ คอนโซลการจัดการ AWS หรือในเทอร์มินัลหลังจากโหลดโค้ดในสภาพแวดล้อม ขั้นตอนมีดังนี้:
- จุดเปิด AWS Cloud9 บนคอนโซล
- โหลดโมดูล AWS CDK จาก GitHub ลงในสภาพแวดล้อม AWS Cloud9
- กำหนดค่าโมดูล AWS CDK ตามที่อธิบายไว้ในโพสต์นี้
- เปิดไฟล์ cdk.context.json และตรวจสอบพารามิเตอร์ทั้งหมด
- แก้ไขพารามิเตอร์ตามต้องการและเรียกใช้คำสั่ง AWS CDK ด้วยบุคลิกที่ต้องการเพื่อเปิดใช้งานสภาพแวดล้อมที่กำหนดค่าไว้ซึ่งเหมาะสำหรับบุคคลนั้น
ไดอะแกรมต่อไปนี้แสดงสถาปัตยกรรมโซลูชัน
ด้วยความช่วยเหลือของ AWS CDK เราสามารถควบคุมเวอร์ชันของทรัพยากรที่จัดเตรียมไว้และมีสภาพแวดล้อมที่ขนส่งได้สูงซึ่งสอดคล้องกับแนวทางปฏิบัติที่ดีที่สุดระดับองค์กร
เบื้องต้น
ในการจัดเตรียมสภาพแวดล้อม ML ด้วย AWS CDK ให้ดำเนินการตามข้อกำหนดเบื้องต้นต่อไปนี้:
- มีสิทธิ์เข้าถึงบัญชี AWS และการอนุญาตภายในภูมิภาคเพื่อปรับใช้ทรัพยากรที่จำเป็นสำหรับบุคคลต่างๆ ตรวจสอบว่าคุณมีข้อมูลประจำตัวและสิทธิ์ในการปรับใช้ AWS CDK stack ในบัญชีของคุณ
- เราแนะนำให้ทำตามแนวทางปฏิบัติที่ดีที่สุดที่เน้นผ่านแนวคิดที่มีรายละเอียดในแหล่งข้อมูลต่อไปนี้:
- โคลน repo GitHub สู่สิ่งแวดล้อมของคุณ
ปรับใช้พอร์ตโฟลิโอในบัญชีของคุณ
ในการปรับใช้นี้ เราใช้ AWS Cloud9 เพื่อสร้างสภาพแวดล้อมวิทยาศาสตร์ข้อมูลโดยใช้ AWS CDK
- นำทางไปยังคอนโซล AWS Cloud9
- ระบุประเภทสภาพแวดล้อม ประเภทอินสแตนซ์ และแพลตฟอร์มของคุณ
- ระบุ .ของคุณ AWS Identity และการจัดการการเข้าถึง (IAM) บทบาท VPC และซับเน็ต
- ในสภาพแวดล้อม AWS Cloud9 ของคุณ ให้สร้างโฟลเดอร์ใหม่ชื่อ DeepRacer
- เรียกใช้คำสั่งต่อไปนี้เพื่อติดตั้ง AWS CDK และตรวจสอบให้แน่ใจว่าคุณมีการอ้างอิงที่ถูกต้องในการปรับใช้พอร์ตโฟลิโอ:
- หากต้องการตรวจสอบว่า AWS CDK ได้รับการติดตั้งและเข้าถึงเอกสารแล้ว ให้เรียกใช้คำสั่งต่อไปนี้ในเทอร์มินัลของคุณ (ควรเปลี่ยนเส้นทางคุณไปยังเอกสารประกอบ AWS CDK):
- ตอนนี้เราสามารถโคลนที่เก็บ AWS DeepRacer จาก GitHub.
- เปิด repo ที่โคลนใน AWS Cloud9:
หลังจากที่คุณตรวจสอบเนื้อหาใน DeepRacer_cdk
ไดเร็กทอรีจะมีไฟล์ชื่อ package.json
โดยมีการกำหนดโมดูลและการพึ่งพาที่จำเป็นทั้งหมด นี่คือที่ที่คุณสามารถกำหนดทรัพยากรของคุณในโมดูล
- ถัดไป ติดตั้งโมดูลและการอ้างอิงที่จำเป็นทั้งหมดสำหรับแอป AWS CDK:
สิ่งนี้จะสังเคราะห์เทมเพลต CloudFormation ที่สอดคล้องกัน
- ในการเรียกใช้การปรับใช้ ให้เปลี่ยนไฟล์ context.json ด้วยชื่อพารามิเตอร์หรือกำหนดอย่างชัดเจนระหว่างรันไทม์:
ส่วนประกอบต่อไปนี้สร้างขึ้นสำหรับการวิเคราะห์บันทึก AWS DeepRacer ตามการเรียกใช้สคริปต์:
- An บทบาท IAM สำหรับโน้ตบุ๊ก SageMaker ที่มีนโยบายที่มีการจัดการ
- A อินสแตนซ์โน้ตบุ๊ก SageMaker ด้วยประเภทอินสแตนซ์ที่เพิ่มอย่างชัดเจนเป็นพารามิเตอร์บริบท cdk หรือค่าเริ่มต้นที่จัดเก็บไว้ในไฟล์ context.json
- VPC ที่มี CIDR ตามที่ระบุในไฟล์ context.json พร้อมกับการกำหนดค่าซับเน็ตสาธารณะสี่รายการ
- กลุ่มความปลอดภัยใหม่สำหรับอินสแตนซ์โน้ตบุ๊ก Sagemaker ช่วยให้สามารถสื่อสารภายใน VPC ได้
- นโยบายวงจรชีวิตของ SageMaker ที่มีสคริปต์ทุบตีที่โหลดเนื้อหาของสคริปต์อื่นไว้ล่วงหน้า พื้นที่เก็บข้อมูล GitHubซึ่งมีไฟล์ที่เราใช้สำหรับเรียกใช้การวิเคราะห์บันทึกในโมเดล AWS DeepRacer
- คุณสามารถเรียกใช้ AWS CDK stack ได้ดังต่อไปนี้:
- ไปที่คอนโซล AWS CloudFormation ในภูมิภาคที่มีการปรับใช้สแต็กเพื่อตรวจสอบทรัพยากร
ตอนนี้ผู้ใช้สามารถเริ่มใช้บริการเหล่านั้นเพื่อทำงานกับการวิเคราะห์บันทึกและการฝึกอบรมโมเดล RL เชิงลึกบน SageMaker สำหรับ AWS DeepRacer
การทดสอบโมดูล
คุณยังสามารถเรียกใช้การทดสอบหน่วยก่อนที่จะปรับใช้สแต็กเพื่อตรวจสอบว่าคุณไม่ได้ลบทรัพยากรที่จำเป็นออกโดยไม่ตั้งใจ การทดสอบหน่วยตั้งอยู่ใน DeepRacer/test/deep_racer.test.ts
และสามารถเรียกใช้ด้วยรหัสต่อไปนี้:
สร้างไดอะแกรมโดยใช้ cdk-dia
หากต้องการสร้างไดอะแกรม ให้ทำตามขั้นตอนต่อไปนี้:
- การติดตั้ง
graphviz
โดยใช้เครื่องมือระบบปฏิบัติการของคุณ:
สิ่งนี้จะติดตั้งแอปพลิเคชัน cdk-dia
- ตอนนี้เรียกใช้รหัสต่อไปนี้:
การแสดงกราฟิกของ AWS CDK stack ของคุณจะถูกจัดเก็บในรูปแบบ .png
หลังจากที่คุณเรียกใช้ขั้นตอนก่อนหน้านี้ คุณควรจะเห็นกระบวนการสร้างอินสแตนซ์โน้ตบุ๊กพร้อมสถานะ กำลังดำเนินการ. เมื่อสถานะของอินสแตนซ์โน้ตบุ๊กเป็น อยู่ในการให้บริการ (ดังที่แสดงในภาพหน้าจอต่อไปนี้) คุณสามารถดำเนินการตามขั้นตอนต่อไปได้
- Choose เปิด Jupyter เพื่อเริ่มรันสคริปต์ Python เพื่อดำเนินการวิเคราะห์บันทึก
สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการวิเคราะห์บันทึกโดยใช้ AWS DeepRacer และการแสดงภาพที่เกี่ยวข้อง โปรดดูที่ ใช้การวิเคราะห์บันทึกเพื่อผลักดันการทดลองและชนะ AWS DeepRacer F1 ProAm Race.
ทำความสะอาด
หากต้องการหลีกเลี่ยงการเรียกเก็บเงินอย่างต่อเนื่อง ให้ทำตามขั้นตอนต่อไปนี้:
- ใช้ cdk destroy เพื่อลบทรัพยากรที่สร้างผ่าน AWS CDK
- บนคอนโซล AWS CloudFormation ให้ลบ CloudFormation stack
สรุป
กิจกรรม AWS DeepRacer เป็นวิธีที่ยอดเยี่ยมในการเพิ่มความสนใจและเพิ่มพูนความรู้ด้าน ML ในทุกเสาหลักและทุกระดับขององค์กร ในโพสต์นี้ เราได้แชร์วิธีที่คุณสามารถกำหนดค่าสภาพแวดล้อม AWS DeepRacer แบบไดนามิกและตั้งค่าบริการที่เลือกเพื่อเร่งการเดินทางของผู้ใช้บนแพลตฟอร์ม AWS เราได้พูดคุยถึงวิธีการสร้างบริการ Amazon SageMaker Notebook Instance, บทบาท IAM, การกำหนดค่าวงจรชีวิตของโน้ตบุ๊ก SageMaker พร้อมแนวทางปฏิบัติที่ดีที่สุด, VPC และ อเมซอน อีลาสติก คอมพิวท์ คลาวด์ (Amazon EC2) อินสแตนซ์อิงตามการระบุบริบทโดยใช้ AWS CDK และการปรับขนาดสำหรับผู้ใช้ที่แตกต่างกันโดยใช้ AWS DeepRacer
กำหนดค่าสภาพแวดล้อม CDK และเรียกใช้สมุดบันทึกการวิเคราะห์บันทึกขั้นสูงเพื่อเพิ่มประสิทธิภาพในการเรียกใช้โมดูล ช่วยเหลือนักแข่งเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นโดยใช้เวลาน้อยลง และรับข้อมูลเชิงลึกโดยละเอียดเกี่ยวกับฟังก์ชันและการดำเนินการของรางวัล
อ้างอิง
ข้อมูลเพิ่มเติมสามารถดูได้ที่แหล่งข้อมูลต่อไปนี้:
เกี่ยวกับผู้เขียน
ซเดนโก้ เอสต็อก ทำงานเป็นสถาปนิกระบบคลาวด์และวิศวกร DevOps ที่ Accenture เขาทำงานร่วมกับ AABG เพื่อพัฒนาและปรับใช้โซลูชันคลาวด์ที่เป็นนวัตกรรมใหม่ และเชี่ยวชาญด้านโครงสร้างพื้นฐาน เช่น โค้ดและการรักษาความปลอดภัยบนคลาวด์ Zdenko ชอบปั่นจักรยานไปที่สำนักงานและเพลิดเพลินกับการเดินเล่นท่ามกลางธรรมชาติ
Selimcan "สามารถ" Sakar เป็นนักพัฒนาซอฟต์แวร์และสถาปนิกโซลูชันรายแรกของระบบคลาวด์ที่ Accenture โดยมุ่งเน้นที่ปัญญาประดิษฐ์และความหลงใหลในการดูโมเดลต่างๆ มาบรรจบกัน
ชิคาร์ ควาตรา เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้าน AI/ML ที่ Amazon Web Services ซึ่งทำงานร่วมกับ Global System Integrator ชั้นนำ Shikhar ช่วยในการออกแบบสถาปัตยกรรม สร้าง และบำรุงรักษาสภาพแวดล้อมคลาวด์ที่ปรับขนาดได้และคุ้มค่าสำหรับองค์กร และสนับสนุนพันธมิตร GSI ในการสร้างโซลูชันอุตสาหกรรมเชิงกลยุทธ์บน AWS ชิคาร์ชอบเล่นกีตาร์ แต่งเพลง และฝึกสติในเวลาว่าง
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/configure-an-aws-deepracer-environment-for-training-and-log-analysis-using-the-aws-cdk/
- 10
- 100
- 11
- 7
- 9
- a
- สามารถ
- เร่งความเร็ว
- แอคเซนเจอร์
- เข้า
- บังเอิญ
- ลงชื่อเข้าใช้
- บรรลุ
- ประสบความสำเร็จ
- ข้าม
- การกระทำ
- การปฏิบัติ
- ที่เพิ่ม
- เพิ่มเติม
- บุญธรรม
- สูง
- ความก้าวหน้า
- หลังจาก
- ตัวแทน
- AI
- AI / ML
- เอดส์
- จุดมุ่งหมาย
- ทั้งหมด
- การอนุญาต
- อเมซอน
- Amazon EC2
- อเมซอน SageMaker
- สตูดิโอ Amazon SageMaker
- Amazon Web Services
- จำนวน
- การวิเคราะห์
- และ
- อื่น
- API
- app
- การใช้งาน
- การใช้งาน
- ประยุกต์
- สถาปัตยกรรม
- รอบ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- ช่วยเหลือ
- ที่เกี่ยวข้อง
- โดยอัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- AWS
- AWS Cloud9
- การก่อตัวของ AWS Cloud
- AWS Deep Racer
- ตาม
- ทุบตี
- ข้อมูลพื้นฐานเกี่ยวกับ
- กลายเป็น
- ก่อน
- กำลัง
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ดีกว่า
- นำมาซึ่ง
- การก่อสร้าง
- ที่เรียกว่า
- สามารถรับ
- รถ
- กรณี
- กรณี
- บาง
- เปลี่ยนแปลง
- โหลด
- เมฆ
- ความปลอดภัยบนคลาวด์
- Cloud9
- รหัส
- ร่วมมือ
- เพื่อนร่วมงาน
- รวม
- การสื่อสาร
- บริษัท
- แข่งขัน
- คู่แข่ง
- สมบูรณ์
- ส่วนประกอบ
- คำนวณ
- แนวความคิด
- องค์ประกอบ
- มาก
- ปลอบใจ
- มี
- เนื้อหา
- สิ่งแวดล้อม
- ควบคุม
- ลู่
- บริษัท
- ตรงกัน
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- การสร้าง
- หนังสือรับรอง
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- ลึก
- ค่าเริ่มต้น
- กำหนด
- ปรับใช้
- นำไปใช้
- ปรับใช้
- การใช้งาน
- อธิบาย
- ทำลาย
- รายละเอียด
- รายละเอียด
- พัฒนา
- ผู้พัฒนา
- พัฒนาการ
- แผนภาพ
- ต่าง
- ค้นพบ
- กล่าวถึง
- เอกสาร
- ไม่
- ขับรถ
- ในระหว่าง
- พลวัต
- อย่างง่ายดาย
- มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ความพยายาม
- ทั้ง
- ทำให้สามารถ
- วิศวกร
- ระดับองค์กร
- ผู้ประกอบการ
- สิ่งแวดล้อม
- สภาพแวดล้อม
- จำเป็น
- แม้
- เหตุการณ์
- เหตุการณ์
- น่าตื่นเต้น
- ที่คาดหวัง
- ที่แสดงออก
- f1
- ความคุ้นเคย
- FAST
- เนื้อไม่มีมัน
- ไฟล์
- ชื่อจริง
- โฟกัส
- ดังต่อไปนี้
- ดังต่อไปนี้
- รูป
- กรอบ
- ราคาเริ่มต้นที่
- สนุก
- ฟังก์ชั่น
- ได้รับ
- สร้าง
- ได้รับ
- GitHub
- ให้
- กำหนด
- เหตุการณ์ที่
- รับ
- กราฟ
- ยิ่งใหญ่
- บัญชีกลุ่ม
- ให้คำแนะนำ
- มือบน
- การดูแลสุขภาพ
- ช่วย
- ไฮไลต์
- อย่างสูง
- ตามแนวนอน
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- ระบุ
- เอกลักษณ์
- การดำเนินการ
- in
- เพิ่ม
- ที่เพิ่มขึ้น
- อุตสาหกรรม
- อุตสาหกรรม
- ข้อมูล
- โครงสร้างพื้นฐาน
- นวัตกรรม
- ความเข้าใจ
- ข้อมูลเชิงลึก
- ติดตั้ง
- การติดตั้ง
- ตัวอย่าง
- ประกัน
- Intelligence
- อยากเรียนรู้
- เงินลงทุน
- IT
- การเดินทาง
- JSON
- คีย์
- ชนิด
- ความรู้
- ภาษา
- เปิดตัว
- ชั้นนำ
- การเรียนรู้
- ระดับ
- Line
- โหลด
- ที่ตั้งอยู่
- เครื่อง
- เรียนรู้เครื่อง
- ส่วนใหญ่
- ทำ
- จัดการ
- การจัดการ
- การจัดการ
- ลักษณะ
- การผลิต
- การตลาด
- พบ
- สัมมาสติ
- ML
- แบบ
- โมเดล
- โมดูล
- โมดูล
- ย้าย
- หลาย
- ดนตรี
- ชื่อ
- ธรรมชาติ
- เกือบทั้งหมด
- จำเป็น
- ใหม่
- ถัดไป
- สมุดบันทึก
- Office
- ออนบอร์ด
- ต่อเนื่อง
- โอเพนซอร์ส
- ซอฟต์แวร์โอเพนซอร์ส
- การดำเนินงาน
- ระบบปฏิบัติการ
- ดีที่สุด
- ใบสั่ง
- organizacja
- ผลิตภัณฑ์อื่นๆ
- พารามิเตอร์
- พารามิเตอร์
- หุ้นส่วน
- กิเลส
- อดีต
- ที่มีประสิทธิภาพ
- สิทธิ์
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- เล่น
- นโยบาย
- ผลงาน
- โพสต์
- อำนาจ
- การปฏิบัติ
- ข้อกำหนดเบื้องต้น
- ประถม
- กระบวนการ
- การเขียนโปรแกรม
- การเขียนโปรแกรมภาษา
- ความคืบหน้า
- ให้
- บทบัญญัติ
- สาธารณะ
- หลาม
- อย่างรวดเร็ว
- เชื่อชาติ
- เหนื่อยหอบ
- การแข่งขัน
- ยก
- ตั้งแต่
- แนะนำ
- เปลี่ยนเส้นทาง
- เกี่ยวกับ
- ภูมิภาค
- เอาออก
- ทำซ้ำได้
- การทำซ้ำ
- กรุ
- การแสดง
- จำเป็นต้องใช้
- แหล่งข้อมูล
- ผลสอบ
- กลับ
- รับคืน
- ทบทวน
- รางวัล
- รางวัล
- บทบาท
- บทบาท
- วิ่ง
- วิ่ง
- ปลอดภัย
- sagemaker
- ที่ปรับขนาดได้
- ขนาด
- ขนาดไอ
- ปรับ
- วิทยาศาสตร์
- ความปลอดภัย
- เลือก
- บริการ
- ชุด
- การติดตั้ง
- ที่ใช้ร่วมกัน
- กะ
- น่า
- แสดง
- แสดงให้เห็นว่า
- ง่าย
- อย่างชาญฉลาด
- EMS
- So
- ซอฟต์แวร์
- การพัฒนาซอฟต์แวร์
- ทางออก
- โซลูชัน
- บาง
- ช่องว่าง
- ผู้เชี่ยวชาญ
- ความเชี่ยวชาญ
- โดยเฉพาะ
- ที่ระบุไว้
- กอง
- เริ่มต้น
- ข้อความที่เริ่ม
- Status
- ขั้นตอน
- ยังคง
- เก็บไว้
- ซื่อตรง
- ยุทธศาสตร์
- สตูดิโอ
- เครือข่ายย่อย
- ซับเน็ต
- รองรับ
- ระบบ
- ปรับปรุง
- เอา
- ใช้เวลา
- เทมเพลต
- แม่แบบ
- สถานีปลายทาง
- ทดสอบ
- การทดสอบ
- พื้นที่
- ข้อมูลพื้นฐานเกี่ยวกับ
- ของพวกเขา
- ตลอด
- เวลา
- ไปยัง
- เครื่องมือ
- ลู่
- รถไฟ
- การฝึกอบรม
- ทริปเปิ
- บทเรียน
- เข้าใจ
- หน่วย
- us
- ใช้
- ใช้กรณี
- ผู้ใช้
- ความคุ้มค่า
- ต่างๆ
- กว้างใหญ่
- พาหนะ
- ตรวจสอบ
- รุ่น
- ผ่านทาง
- ชม
- เว็บ
- บริการเว็บ
- อะไร
- ว่า
- ที่
- ในขณะที่
- อย่างกว้างขวาง
- จะ
- ชนะ
- ภายใน
- งาน
- การทำงาน
- โรงงาน
- ของโลก
- จะ
- คุณ
- ของคุณ
- ลมทะเล