กับ ฐานความรู้สำหรับ Amazon Bedrockคุณสามารถเชื่อมต่อโมเดลพื้นฐาน (FM) ได้อย่างปลอดภัย อเมซอน เบดร็อค ไปยังข้อมูลบริษัทของคุณสำหรับการดึงข้อมูล Augmented Generation (RAG) การเข้าถึงข้อมูลเพิ่มเติมช่วยให้โมเดลสร้างการตอบสนองที่เกี่ยวข้อง เฉพาะบริบท และแม่นยำมากขึ้น โดยไม่ต้องฝึกอบรม FM ใหม่
ในโพสต์นี้ เราจะพูดถึงคุณสมบัติใหม่สองประการของฐานความรู้สำหรับ Amazon Bedrock เฉพาะสำหรับ RetrieveAndGenerate
API: การกำหนดค่าจำนวนผลลัพธ์สูงสุดและสร้างพรอมต์แบบกำหนดเองด้วยเทมเพลตพรอมต์ฐานความรู้ ขณะนี้คุณสามารถเลือกสิ่งเหล่านี้เป็นตัวเลือกการสืบค้นควบคู่ไปกับประเภทการค้นหาได้
ภาพรวมและประโยชน์ของคุณสมบัติใหม่
ตัวเลือกจำนวนผลลัพธ์สูงสุดช่วยให้คุณควบคุมจำนวนผลการค้นหาที่จะดึงมาจากร้านค้าเวกเตอร์และส่งผ่านไปยัง FM เพื่อสร้างคำตอบ วิธีนี้ช่วยให้คุณปรับแต่งจำนวนข้อมูลพื้นหลังที่ให้ไว้สำหรับการสร้างได้ ดังนั้นจึงให้บริบทมากขึ้นสำหรับคำถามที่ซับซ้อนหรือน้อยลงสำหรับคำถามที่ง่ายกว่า ช่วยให้คุณสามารถดึงผลลัพธ์ได้มากถึง 100 รายการ ตัวเลือกนี้ช่วยปรับปรุงความเป็นไปได้ของบริบทที่เกี่ยวข้อง ซึ่งจะช่วยปรับปรุงความแม่นยำและลดภาพหลอนของการตอบสนองที่สร้างขึ้น
เทมเพลตพร้อมท์ฐานความรู้ที่กำหนดเองช่วยให้คุณสามารถแทนที่เทมเพลตพร้อมท์เริ่มต้นด้วยของคุณเอง เพื่อปรับแต่งพร้อมท์ที่ส่งไปยังแบบจำลองสำหรับการสร้างการตอบสนอง ซึ่งช่วยให้คุณปรับแต่งโทนเสียง รูปแบบเอาต์พุต และลักษณะการทำงานของ FM เมื่อตอบคำถามของผู้ใช้ ด้วยตัวเลือกนี้ คุณสามารถปรับแต่งคำศัพท์ให้ตรงกับอุตสาหกรรมหรือโดเมนของคุณได้ดียิ่งขึ้น (เช่น การดูแลสุขภาพหรือกฎหมาย) นอกจากนี้ คุณยังสามารถเพิ่มคำแนะนำที่กำหนดเองและตัวอย่างที่ปรับให้เหมาะกับขั้นตอนการทำงานเฉพาะของคุณได้
ในส่วนต่อไปนี้ เราจะอธิบายวิธีที่คุณสามารถใช้คุณลักษณะเหล่านี้ร่วมกับ คอนโซลการจัดการ AWS หรือ SDK
เบื้องต้น
เพื่อปฏิบัติตามตัวอย่างเหล่านี้ คุณจำเป็นต้องมีฐานความรู้ที่มีอยู่ สำหรับคำแนะนำในการสร้าง โปรดดูที่ สร้างฐานความรู้.
กำหนดค่าจำนวนผลลัพธ์สูงสุดโดยใช้คอนโซล
หากต้องการใช้อ็อพชันผลลัพธ์จำนวนสูงสุดโดยใช้คอนโซล ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก ฐานความรู้ ในบานหน้าต่างนำทางด้านซ้าย
- เลือกฐานความรู้ที่คุณสร้างขึ้น
- Choose ทดสอบฐานความรู้.
- เลือกไอคอนการกำหนดค่า
- Choose ซิงค์แหล่งข้อมูล ก่อนที่คุณจะเริ่มทดสอบฐานความรู้ของคุณ
- ภายใต้ การกำหนดค่าสำหรับ ประเภทการสืบค้นให้เลือกประเภทการค้นหาตามกรณีการใช้งานของคุณ
สำหรับโพสต์นี้ เราใช้การค้นหาแบบไฮบริดเนื่องจากเป็นการผสมผสานการค้นหาความหมายและข้อความเข้าด้วยกันเพื่อให้ผู้ให้บริการมีความแม่นยำมากขึ้น หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการค้นหาแบบไฮบริด โปรดดู ฐานความรู้สำหรับ Amazon Bedrock รองรับการค้นหาแบบไฮบริดแล้ว.
- แสดง จำนวนชิ้นต้นทางสูงสุด และกำหนดจำนวนผลลัพธ์สูงสุดของคุณ
เพื่อแสดงให้เห็นถึงคุณค่าของคุณลักษณะใหม่ เราจะแสดงตัวอย่างวิธีที่คุณสามารถเพิ่มความแม่นยำของการตอบสนองที่สร้างขึ้นได้ เราใช้ เอกสาร Amazon 10K สำหรับปี 2023 เพื่อเป็นแหล่งข้อมูลในการสร้างฐานความรู้ เราใช้คำถามต่อไปนี้ในการทดลอง: “รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์เป็น 434 พันล้านดอลลาร์ในปีใด”
คำตอบที่ถูกต้องสำหรับคำถามนี้คือ “รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์ในปี 2019 เป็น 434 พันล้านดอลลาร์ในปี 2022” โดยอิงตามเอกสารในฐานความรู้ เราใช้ Claude v2 เป็น FM เพื่อสร้างการตอบสนองขั้นสุดท้ายโดยอิงตามข้อมูลเชิงบริบทที่ดึงมาจากฐานความรู้ Claude 3 Sonnet และ Claude 3 Haiku ยังได้รับการสนับสนุนในฐานะ FM รุ่น
เราเรียกใช้แบบสอบถามอื่นเพื่อแสดงการเปรียบเทียบการดึงข้อมูลกับการกำหนดค่าที่แตกต่างกัน เราใช้ข้อความค้นหาเดียวกัน (“รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์เป็น 434 พันล้านดอลลาร์ในปีใด”) และกำหนดจำนวนผลลัพธ์สูงสุดเป็น 5
ดังที่แสดงในภาพหน้าจอต่อไปนี้ คำตอบที่สร้างขึ้นคือ "ขออภัย ฉันไม่สามารถช่วยเหลือคุณในคำขอนี้ได้"
ต่อไป เราตั้งค่าผลลัพธ์สูงสุดเป็น 12 และถามคำถามเดียวกัน คำตอบที่เกิดขึ้นคือ “รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์ในปี 2019 เป็น 434 พันล้านดอลลาร์ในปี 2022”
ดังที่แสดงในตัวอย่างนี้ เราสามารถดึงคำตอบที่ถูกต้องตามจำนวนผลลัพธ์ที่ดึงมาได้ หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการระบุแหล่งที่มาที่ประกอบเป็นผลลัพธ์สุดท้าย ให้เลือก แสดงรายละเอียดแหล่งที่มา เพื่อตรวจสอบคำตอบที่สร้างขึ้นตามฐานความรู้
ปรับแต่งเทมเพลตพร้อมท์ฐานความรู้โดยใช้คอนโซล
คุณยังสามารถปรับแต่งพรอมต์เริ่มต้นด้วยพรอมต์ของคุณเองตามกรณีการใช้งาน เมื่อต้องการดำเนินการดังกล่าวบนคอนโซล ให้ทำตามขั้นตอนต่อไปนี้:
- ทำซ้ำขั้นตอนในส่วนก่อนหน้าเพื่อเริ่มทดสอบฐานความรู้ของคุณ
- ทำให้สามารถ สร้างการตอบกลับ.
- เลือกรุ่นที่คุณเลือกสำหรับการสร้างการตอบสนอง
เราใช้โมเดล Claude v2 เป็นตัวอย่างในโพสต์นี้ โมเดล Claude 3 Sonnet และ Haiku ก็มีวางจำหน่ายแล้วเช่นกัน
- Choose ใช้ เพื่อดำเนินการต่อ.
หลังจากที่คุณเลือกรุ่นแล้ว จะมีส่วนใหม่ที่เรียกว่า เทมเพลตพร้อมท์ฐานความรู้ ปรากฏอยู่ข้างใต้ การกำหนดค่า.
- Choose Edit เพื่อเริ่มปรับแต่งพรอมต์
- ปรับเทมเพลตพร้อมท์เพื่อปรับแต่งวิธีที่คุณต้องการใช้ผลลัพธ์ที่ดึงมาและสร้างเนื้อหา
สำหรับโพสต์นี้ เราได้ยกตัวอย่างบางส่วนสำหรับการสร้าง “ระบบ AI ที่ปรึกษาทางการเงิน” โดยใช้รายงานทางการเงินของ Amazon พร้อมพร้อมท์ที่กำหนดเอง สำหรับแนวทางปฏิบัติที่ดีที่สุดในด้านวิศวกรรมที่รวดเร็ว โปรดดูที่ แนวทางวิศวกรรมที่รวดเร็ว.
ตอนนี้เราปรับแต่งเทมเพลตพร้อมท์เริ่มต้นได้หลายวิธี และสังเกตการตอบสนอง
ขั้นแรกให้ลองใช้ข้อความค้นหาโดยใช้พร้อมท์เริ่มต้น เราถามว่า “รายได้ของ Amazon ในปี 2019 และ 2021 เป็นเท่าใด” ต่อไปนี้แสดงผลลัพธ์ของเรา
จากผลลัพธ์ เราพบว่ามันกำลังสร้างการตอบสนองแบบอิสระตามความรู้ที่ดึงมา การอ้างอิงยังแสดงไว้เพื่อใช้อ้างอิงด้วย
สมมติว่าเราต้องการให้คำแนะนำเพิ่มเติมเกี่ยวกับวิธีจัดรูปแบบการตอบกลับที่สร้างขึ้น เช่น การกำหนดมาตรฐานให้เป็น JSON เราสามารถเพิ่มคำแนะนำเหล่านี้เป็นขั้นตอนแยกต่างหากหลังจากดึงข้อมูล โดยเป็นส่วนหนึ่งของเทมเพลตพร้อมท์:
คำตอบสุดท้ายมีโครงสร้างที่ต้องการ
ด้วยการปรับแต่งพร้อมท์ คุณยังสามารถเปลี่ยนภาษาของการตอบกลับที่สร้างขึ้นได้ ในตัวอย่างต่อไปนี้ เราสั่งให้แบบจำลองระบุคำตอบเป็นภาษาสเปน
หลังจากถอดออก $output_format_instructions$
จากพร้อมท์เริ่มต้น การอ้างอิงจากการตอบกลับที่สร้างขึ้นจะถูกลบออก
ในส่วนต่อไปนี้ เราจะอธิบายวิธีที่คุณสามารถใช้คุณลักษณะเหล่านี้กับ SDK
กำหนดค่าจำนวนผลลัพธ์สูงสุดโดยใช้ SDK
หากต้องการเปลี่ยนจำนวนผลลัพธ์สูงสุดด้วย SDK ให้ใช้ไวยากรณ์ต่อไปนี้ สำหรับตัวอย่างนี้ ข้อความค้นหาคือ “รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์เป็น 434 พันล้านดอลลาร์ในปีใด” คำตอบที่ถูกต้องคือ “รายได้ต่อปีของ Amazon เพิ่มขึ้นจาก 245 พันล้านดอลลาร์ในปี 2019 เป็น 434 พันล้านดอลลาร์ในปี 2022”
'numberOfResults
' ตัวเลือกภายใต้ 'retrievalConfiguration
' ให้คุณเลือกจำนวนผลลัพธ์ที่คุณต้องการดึงข้อมูล ผลลัพธ์ของ RetrieveAndGenerate
API ประกอบด้วยการตอบกลับที่สร้างขึ้น การระบุแหล่งที่มา และส่วนข้อความที่ดึงข้อมูล
ต่อไปนี้คือผลลัพธ์สำหรับค่าต่างๆ ของ 'numberOfResults
' พารามิเตอร์ ก่อนอื่นเราตั้งค่า numberOfResults = 5
.
จากนั้นเราก็ตั้งค่า numberOfResults = 12
.
ปรับแต่งเทมเพลตพร้อมท์ฐานความรู้โดยใช้ SDK
ในการปรับแต่งพรอมต์โดยใช้ SDK เราจะใช้การสืบค้นต่อไปนี้กับเทมเพลตพรอมต์ที่แตกต่างกัน สำหรับตัวอย่างนี้ ข้อความค้นหาคือ “รายได้ของ Amazon ในปี 2019 และ 2021 เป็นเท่าใด”
ต่อไปนี้เป็นเทมเพลตพร้อมท์เริ่มต้น:
ต่อไปนี้เป็นเทมเพลตพร้อมท์ที่กำหนดเอง:
ด้วยเทมเพลตพร้อมต์เริ่มต้น เราได้รับการตอบกลับต่อไปนี้:
หากคุณต้องการให้คำแนะนำเพิ่มเติมเกี่ยวกับรูปแบบเอาต์พุตของการสร้างการตอบสนอง เช่น การกำหนดมาตรฐานการตอบสนองในรูปแบบเฉพาะ (เช่น JSON) คุณสามารถปรับแต่งพร้อมต์ที่มีอยู่ได้โดยให้คำแนะนำเพิ่มเติม ด้วยเทมเพลตพร้อมท์แบบกำหนดเองของเรา เราได้รับการตอบกลับดังต่อไปนี้
'promptTemplate
' ตัวเลือกใน 'generationConfiguration
' ช่วยให้คุณปรับแต่งข้อความแจ้งเพื่อควบคุมการสร้างคำตอบได้ดียิ่งขึ้น
สรุป
ในโพสต์นี้ เราได้แนะนำคุณสมบัติใหม่สองประการในฐานความรู้สำหรับ Amazon Bedrock: การปรับจำนวนผลการค้นหาสูงสุด และการปรับแต่งเทมเพลตพร้อมท์เริ่มต้นสำหรับ RetrieveAndGenerate
เอพีไอ เราได้สาธิตวิธีกำหนดค่าคุณสมบัติเหล่านี้บนคอนโซลและผ่าน SDK เพื่อปรับปรุงประสิทธิภาพและความแม่นยำของการตอบสนองที่สร้างขึ้น การเพิ่มผลลัพธ์สูงสุดให้ข้อมูลที่ครอบคลุมมากขึ้น ในขณะที่การปรับแต่งเทมเพลตพร้อมท์ช่วยให้คุณปรับแต่งคำแนะนำสำหรับโมเดลพื้นฐานเพื่อให้สอดคล้องกับกรณีการใช้งานเฉพาะได้ดียิ่งขึ้น การปรับปรุงเหล่านี้มอบความยืดหยุ่นและการควบคุมที่มากขึ้น ช่วยให้คุณสามารถมอบประสบการณ์ที่ปรับแต่งสำหรับแอปพลิเคชันที่ใช้ RAG
หากต้องการแหล่งข้อมูลเพิ่มเติมเพื่อเริ่มใช้งานในสภาพแวดล้อม AWS ของคุณ โปรดดูที่ต่อไปนี้:
เกี่ยวกับผู้แต่ง
Sandeep Singh เป็นนักวิทยาศาสตร์ข้อมูล Generative AI อาวุโสที่ Amazon Web Services ซึ่งช่วยเหลือธุรกิจต่างๆ สร้างสรรค์นวัตกรรมด้วย AI เชิงสร้างสรรค์ เขาเชี่ยวชาญด้าน Generative AI, ปัญญาประดิษฐ์, การเรียนรู้ของเครื่อง และการออกแบบระบบ เขามีความหลงใหลในการพัฒนาโซลูชันที่ขับเคลื่อนด้วย AI/ML ที่ล้ำสมัยเพื่อแก้ไขปัญหาทางธุรกิจที่ซับซ้อนสำหรับอุตสาหกรรมที่หลากหลาย เพิ่มประสิทธิภาพและความสามารถในการปรับขนาดให้เหมาะสม
ซู่หยินหวาง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ AI/ML ที่ AWS เธอมีพื้นฐานการศึกษาแบบสหวิทยาการในด้านการเรียนรู้ของเครื่อง การบริการข้อมูลทางการเงิน และเศรษฐศาสตร์ พร้อมด้วยประสบการณ์หลายปีในการสร้างแอปพลิเคชันวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องที่ช่วยแก้ไขปัญหาทางธุรกิจในโลกแห่งความเป็นจริง เธอสนุกกับการช่วยลูกค้าระบุคำถามทางธุรกิจที่เหมาะสมและสร้างโซลูชัน AI/ML ที่เหมาะสม ในเวลาว่าง เธอชอบร้องเพลงและทำอาหาร
เชอรี่ ดิง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) อาวุโสที่ Amazon Web Services (AWS) เธอมีประสบการณ์มากมายในด้านการเรียนรู้ของเครื่องโดยสำเร็จการศึกษาระดับปริญญาเอกสาขาวิทยาการคอมพิวเตอร์ เธอทำงานร่วมกับลูกค้าภาครัฐเป็นหลักเกี่ยวกับความท้าทายทางธุรกิจต่างๆ ที่เกี่ยวข้องกับ AI/ML ช่วยให้พวกเขาเร่งการเดินทางการเรียนรู้ของเครื่องบน AWS Cloud เมื่อไม่ช่วยเหลือลูกค้าเธอก็ชอบกิจกรรมกลางแจ้ง
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/knowledge-bases-for-amazon-bedrock-now-supports-custom-prompts-for-the-retrieveandgenerate-api-and-configuration-of-the-maximum-number-of-retrieved-results/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 10
- 100
- 10K
- 12
- 13
- 15%
- 2019
- 2021
- 2022
- 25
- 28
- 32
- 7
- 900
- a
- สามารถ
- เกี่ยวกับเรา
- เร่งความเร็ว
- เข้า
- ความถูกต้อง
- ถูกต้อง
- กิจกรรม
- เพิ่ม
- เพิ่มเติม
- นอกจากนี้
- ปรับ
- กุนซือ
- หลังจาก
- ตัวแทน
- AI
- ข้อมูล AI
- AI / ML
- จัดแนว
- ช่วยให้
- ตาม
- คู่ขนาน
- ด้วย
- am
- อเมซอน
- Amazon Web Services
- Amazon Web Services (AWS)
- จำนวน
- an
- และ
- ประจำปี
- รายได้ประจำปี
- อื่น
- คำตอบ
- ตอบ
- คำตอบ
- API
- ปรากฏ
- การใช้งาน
- เป็น
- รอบ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- AS
- ถาม
- ช่วยเหลือ
- ผู้ช่วย
- At
- เติม
- ใช้ได้
- AWS
- พื้นหลัง
- ฐาน
- ตาม
- BE
- เพราะ
- ก่อน
- พฤติกรรม
- กำลัง
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ดีกว่า
- การก่อสร้าง
- ธุรกิจ
- ธุรกิจ
- by
- ที่เรียกว่า
- CAN
- กรณี
- กรณี
- ความท้าทาย
- เปลี่ยนแปลง
- ตรวจสอบ
- ทางเลือก
- Choose
- เมฆ
- รวม
- บริษัท
- การเปรียบเทียบ
- สมบูรณ์
- ซับซ้อน
- ครอบคลุม
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- กระชับ
- องค์ประกอบ
- การกำหนดค่า
- เชื่อมต่อ
- ปลอบใจ
- บรรจุ
- เนื้อหา
- สิ่งแวดล้อม
- ตามบริบท
- ควบคุม
- แก้ไข
- ได้
- ครอบคลุม
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- ประเพณี
- ลูกค้า
- ปรับแต่ง
- การปรับแต่ง
- ข้อมูล
- วิทยาศาสตร์ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ค่าเริ่มต้น
- องศา
- ส่งมอบ
- สาธิต
- แสดงให้เห็นถึง
- ออกแบบ
- ที่กำลังพัฒนา
- DID
- ต่าง
- สนทนา
- หลาย
- do
- เอกสาร
- เอกสาร
- ทำ
- โดเมน
- สอง
- เศรษฐศาสตร์
- การศึกษา
- อย่างมีประสิทธิภาพ
- ทั้ง
- การเปิดใช้งาน
- ชั้นเยี่ยม
- ปรับปรุง
- สิ่งแวดล้อม
- แน่นอน
- ตัวอย่าง
- ตัวอย่าง
- ที่มีอยู่
- ประสบการณ์
- ประสบการณ์
- อธิบาย
- กว้างขวาง
- ประสบการณ์ที่กว้างขวาง
- พิเศษ
- ความจริง
- ลักษณะ
- คุณสมบัติ
- สองสาม
- สุดท้าย
- ทางการเงิน
- ข้อมูลทางการเงิน
- หา
- ชื่อจริง
- ความยืดหยุ่น
- ปฏิบัติตาม
- ดังต่อไปนี้
- สำหรับ
- รูป
- รากฐาน
- ราคาเริ่มต้นที่
- ให้
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ได้รับ
- ให้
- จะช่วยให้
- ให้
- มากขึ้น
- คำแนะนำ
- มี
- he
- การดูแลสุขภาพ
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- เป็นลูกผสม
- i
- ICON
- แยกแยะ
- if
- การดำเนินการ
- ปรับปรุง
- การปรับปรุง
- in
- รวมถึง
- เพิ่ม
- เพิ่มขึ้น
- ที่เพิ่มขึ้น
- อุตสาหกรรม
- อุตสาหกรรม
- ข้อมูล
- เราสร้างสรรค์สิ่งใหม่ ๆ
- อินพุต
- คำแนะนำการใช้
- Intelligence
- แนะนำ
- IT
- การสัมภาษณ์
- การเดินทาง
- jpeg
- JSON
- เพียงแค่
- คีย์
- ความรู้
- ภาษา
- เรียนรู้
- การเรียนรู้
- ซ้าย
- กฎหมาย
- น้อยลง
- กดไลก์
- ความเป็นไปได้
- รายการ
- จดทะเบียน
- รัก
- เครื่อง
- เรียนรู้เครื่อง
- ส่วนใหญ่
- ทำ
- การจัดการ
- การจับคู่
- สูงสุด
- หมายความ
- ML
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- หลาย
- การเดินเรือ
- จำเป็นต้อง
- ใหม่
- คุณสมบัติใหม่
- ตอนนี้
- จำนวน
- หมายเลข
- สังเกต
- of
- เสนอ
- on
- ONE
- เพียง
- การเพิ่มประสิทธิภาพ
- ตัวเลือกเสริม (Option)
- Options
- or
- ใบสั่ง
- ของเรา
- เอาท์พุต
- เกิน
- ของตนเอง
- บานหน้าต่าง
- พารามิเตอร์
- ส่วนหนึ่ง
- ผ่าน
- หลงใหล
- รูปแบบไฟล์ PDF
- การปฏิบัติ
- phd
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- กรุณา
- โพสต์
- การปฏิบัติ
- จำเป็นต้อง
- ก่อน
- ปัญหาที่เกิดขึ้น
- ดำเนิน
- แจ้ง
- ให้
- ให้
- ผู้จัดหา
- ให้
- การให้
- สาธารณะ
- การสอบถาม
- คำถาม
- คำถาม
- เศษผ้า
- RE
- โลกแห่งความจริง
- ลด
- อ้างอิง
- การอ้างอิง
- ที่เกี่ยวข้อง
- ตรงประเด็น
- ลบออก
- ลบ
- แทนที่
- รายงาน
- ขอ
- จำเป็นต้องใช้
- แหล่งข้อมูล
- คำตอบ
- การตอบสนอง
- ผลสอบ
- การแก้ไข
- กลับ
- รายได้
- ขวา
- s
- เดียวกัน
- กล่าว
- scalability
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- SDK
- ค้นหา
- Section
- ส่วน
- ภาค
- อย่างปลอดภัย
- เห็น
- เลือก
- ความหมาย
- ระดับอาวุโส
- ส่ง
- แยก
- บริการ
- บริการ
- ชุด
- หลาย
- เธอ
- โชว์
- แสดง
- แสดงให้เห็นว่า
- ที่เรียบง่าย
- So
- โซลูชัน
- แก้
- แหล่ง
- สเปน
- ผู้เชี่ยวชาญ
- ความเชี่ยวชาญ
- โดยเฉพาะ
- มาตรฐาน
- เริ่มต้น
- สถานะ
- รัฐของศิลปะ
- ขั้นตอน
- ขั้นตอน
- จัดเก็บ
- โครงสร้าง
- อย่างเช่น
- ที่สนับสนุน
- รองรับ
- แน่ใจ
- วากยสัมพันธ์
- ระบบ
- ปรับปรุง
- เทมเพลต
- แม่แบบ
- คำศัพท์
- การทดสอบ
- ข้อความ
- ที่
- พื้นที่
- ข้อมูล
- ที่มา
- ของพวกเขา
- พวกเขา
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- นี้
- เวลา
- ไปยัง
- TONE
- จริง
- ลอง
- สอง
- ชนิด
- ไม่สามารถ
- ภายใต้
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้งาน
- การใช้
- ตรวจสอบความถูกต้อง
- ความคุ้มค่า
- ความคุ้มค่า
- ต่างๆ
- มาก
- ผ่านทาง
- ต้องการ
- คือ
- วิธี
- we
- เว็บ
- บริการเว็บ
- อะไร
- เมื่อ
- แต่ทว่า
- จะ
- กับ
- ไม่มี
- ขั้นตอนการทำงาน
- โรงงาน
- ปี
- ปี
- คุณ
- ของคุณ
- ลมทะเล