Amazon SageMaker JumpStart เป็นฮับการเรียนรู้ของเครื่อง (ML) ที่สามารถช่วยคุณเร่งการเดินทาง ML ของคุณ ด้วย SageMaker JumpStart คุณสามารถค้นพบและปรับใช้โมเดลพื้นฐานที่เปิดเผยต่อสาธารณะและเป็นกรรมสิทธิ์เฉพาะได้ อเมซอน SageMaker อินสแตนซ์สำหรับแอปพลิเคชันกำเนิด AI ของคุณ SageMaker JumpStart ช่วยให้คุณสามารถปรับใช้โมเดลพื้นฐานจากสภาพแวดล้อมแบบแยกเครือข่าย และไม่แชร์ข้อมูลการฝึกอบรมและการอนุมานของลูกค้ากับผู้ให้บริการโมเดล
ในโพสต์นี้ เราจะแนะนำวิธีเริ่มต้นใช้งานโมเดลที่เป็นกรรมสิทธิ์จากผู้ให้บริการโมเดล เช่น AI21, Cohere และ LightOn จาก สตูดิโอ Amazon SageMaker. SageMaker Studio เป็นสภาพแวดล้อมแบบโน้ตบุ๊กที่ลูกค้านักวิทยาศาสตร์ข้อมูลระดับองค์กรของ SageMaker ประเมินและสร้างแบบจำลองสำหรับแอปพลิเคชัน AI รุ่นใหม่ของพวกเขา
โมเดลพื้นฐานใน SageMaker
โมเดลพื้นฐานคือโมเดล ML สเกลขนาดใหญ่ที่มีพารามิเตอร์หลายพันล้านตัว และได้รับการฝึกอบรมล่วงหน้าเกี่ยวกับข้อมูลข้อความและรูปภาพหลายเทราไบต์ คุณจึงสามารถทำงานได้หลากหลาย เช่น การสรุปบทความและการสร้างข้อความ รูปภาพ หรือวิดีโอ เนื่องจากโมเดลพื้นฐานได้รับการฝึกอบรมล่วงหน้า จึงสามารถช่วยลดต้นทุนการฝึกอบรมและโครงสร้างพื้นฐาน และเปิดใช้งานการปรับแต่งสำหรับกรณีการใช้งานของคุณ
SageMaker JumpStart มีโมเดลพื้นฐานสองประเภท:
- โมเดลที่เป็นกรรมสิทธิ์ – โมเดลเหล่านี้มาจากผู้ให้บริการ เช่น AI21 พร้อมโมเดล Jurassic-2, Cohere with Cohere Command และ LightOn with Mini ที่ได้รับการฝึกฝนเกี่ยวกับอัลกอริธึมและข้อมูลที่เป็นกรรมสิทธิ์ คุณไม่สามารถดูแบบจำลองสิ่งประดิษฐ์ เช่น น้ำหนักและสคริปต์ แต่คุณยังคงปรับใช้กับอินสแตนซ์ SageMaker สำหรับการอนุมานได้
- โมเดลที่เปิดเผยต่อสาธารณะ – เหล่านี้มาจากโมเดลฮับยอดนิยม เช่น Hugging Face with Stable Diffusion, Falcon และ FLAN ที่ได้รับการฝึกฝนเกี่ยวกับอัลกอริทึมและข้อมูลสาธารณะ สำหรับโมเดลเหล่านี้ ผู้ใช้มีสิทธิ์เข้าถึงอาร์ติแฟกต์โมเดลและสามารถปรับแต่งด้วยข้อมูลของตนเองก่อนที่จะปรับใช้สำหรับการอนุมาน
ค้นพบแบบจำลอง
คุณสามารถเข้าถึงโมเดลพื้นฐานผ่าน SageMaker JumpStart ใน SageMaker Studio UI และ SageMaker Python SDK ในส่วนนี้ เราจะพูดถึงวิธีค้นหาโมเดลใน SageMaker Studio UI
SageMaker Studio เป็นสภาพแวดล้อมการพัฒนาแบบผสานรวมบนเว็บ (IDE) สำหรับ ML ที่ให้คุณสร้าง ฝึก ดีบัก ปรับใช้ และตรวจสอบโมเดล ML ของคุณ สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีเริ่มต้นใช้งานและตั้งค่า SageMaker Studio โปรดดูที่ สตูดิโอ Amazon SageMaker.
เมื่อคุณอยู่ใน UI ของ SageMaker Studio แล้ว คุณจะสามารถเข้าถึง SageMaker JumpStart ซึ่งมีโมเดลที่ได้รับการฝึกฝนล่วงหน้า โน้ตบุ๊ก และโซลูชันที่สร้างไว้ล่วงหน้าภายใต้ โซลูชันที่สร้างไว้ล่วงหน้าและอัตโนมัติ.
จากหน้า Landing Page ของ SageMaker JumpStart คุณสามารถเรียกดูโซลูชัน รุ่น โน้ตบุ๊ก และแหล่งข้อมูลอื่นๆ ภาพหน้าจอต่อไปนี้แสดงตัวอย่างหน้า Landing Page พร้อมโซลูชันและรุ่นพื้นฐานที่แสดงอยู่
แต่ละรุ่นมีการ์ดรุ่นดังที่แสดงในภาพหน้าจอต่อไปนี้ ซึ่งมีชื่อรุ่นว่าสามารถปรับแต่งได้หรือไม่ ชื่อผู้ให้บริการ และคำอธิบายสั้นๆ เกี่ยวกับรุ่น คุณยังสามารถเปิดการ์ดโมเดลเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับโมเดลและเริ่มการฝึกหรือการปรับใช้
สมัครสมาชิกใน AWS Marketplace
โมเดลที่เป็นกรรมสิทธิ์ใน SageMaker JumpStart เผยแพร่โดยผู้ให้บริการโมเดล เช่น AI21, Cohere และ LightOn คุณสามารถระบุโมเดลที่เป็นกรรมสิทธิ์ได้โดยใช้แท็ก "กรรมสิทธิ์" บนการ์ดโมเดล ดังที่แสดงในภาพหน้าจอต่อไปนี้
คุณสามารถเลือก ดูสมุดบันทึก บนการ์ดรุ่นเพื่อเปิดโน้ตบุ๊กในโหมดอ่านอย่างเดียว ดังที่แสดงในภาพหน้าจอต่อไปนี้ คุณสามารถอ่านสมุดบันทึกเพื่อดูข้อมูลสำคัญเกี่ยวกับข้อกำหนดเบื้องต้นและคำแนะนำการใช้งานอื่นๆ
หลังจากนำเข้าสมุดบันทึก คุณต้องเลือกสภาพแวดล้อมสมุดบันทึกที่เหมาะสม (อิมเมจ เคอร์เนล ประเภทอินสแตนซ์ และอื่นๆ) ก่อนเรียกใช้รหัส คุณควรปฏิบัติตามคำแนะนำในการสมัครสมาชิกและการใช้งานตามสมุดบันทึกที่เลือก
ก่อนใช้โมเดลที่เป็นกรรมสิทธิ์ คุณต้องสมัครรับโมเดลจาก AWS Marketplace:
- เปิดหน้ารายการโมเดลใน AWS Marketplace
URL ระบุไว้ใน สำคัญ ของสมุดบันทึก หรือคุณสามารถเข้าถึงได้จากส่วน หน้าบริการ SageMaker JumpStart. หน้ารายการแสดงภาพรวม ราคา การใช้งาน และข้อมูลสนับสนุนเกี่ยวกับรุ่น
- ในรายการ AWS Marketplace ให้เลือก สมัครสมาชิกต่อไป.
หากคุณไม่มีสิทธิ์ที่จำเป็นในการดูหรือสมัครโมเดล โปรดติดต่อผู้ดูแลระบบไอทีหรือผู้ติดต่อฝ่ายจัดซื้อเพื่อสมัครโมเดลให้คุณ องค์กรหลายแห่งอาจจำกัดสิทธิ์ AWS Marketplace เพื่อควบคุมการดำเนินการที่บุคคลที่มีสิทธิ์เหล่านั้นสามารถทำได้ใน AWS Marketplace Management Portal
- เกี่ยวกับ สมัครสมาชิกหน้าซอฟต์แวร์นี้ตรวจสอบรายละเอียดและเลือก รับข้อเสนอ หากคุณและองค์กรของคุณเห็นด้วยกับ EULA ราคา และเงื่อนไขการสนับสนุน
หากคุณมีคำถามใดๆ หรือขอส่วนลดปริมาณ โปรดติดต่อผู้ให้บริการโมเดลโดยตรงผ่านอีเมลสนับสนุนที่ให้ไว้ในหน้ารายละเอียด หรือติดต่อทีมบัญชี AWS ของคุณ
- Choose ดำเนินการกำหนดค่าต่อไป แล้วเลือกภูมิภาค
คุณจะเห็น ARN ของผลิตภัณฑ์ปรากฏขึ้น นี่คือ ARN ของแพ็กเกจโมเดลที่คุณต้องระบุขณะสร้างโมเดลที่ปรับใช้ได้โดยใช้ Boto3
- คัดลอก ARN ที่สอดคล้องกับภูมิภาคของคุณและระบุสิ่งเดียวกันในคำสั่งเซลล์ของสมุดบันทึก
การอนุมานตัวอย่างพร้อมตัวอย่างแจ้ง
มาดูโมเดลพื้นฐานตัวอย่างบางส่วนจาก A21 Labs, Cohere และ LightOn ที่ค้นพบได้จาก SageMaker JumpStart ใน SageMaker Studio ทั้งหมดมีคำแนะนำเดียวกันในการสมัครจาก AWS Marketplace และนำเข้าและกำหนดค่าโน้ตบุ๊ก
AI21 สรุป
โมเดล Summarize โดย A121 Labs จะย่อข้อความที่มีความยาวให้เป็นคำสั้นๆ ที่อ่านง่าย ซึ่งยังคงสอดคล้องกับข้อเท็จจริงตามแหล่งที่มา แบบจำลองนี้ได้รับการฝึกฝนเพื่อสร้างบทสรุปที่รวบรวมแนวคิดหลักตามเนื้อหาของข้อความ ไม่ต้องการการเตือนใดๆ คุณเพียงแค่ป้อนข้อความที่ต้องการสรุป ข้อความต้นฉบับของคุณสามารถมีอักขระได้สูงสุด 50,000 ตัว แปลได้ประมาณ 10,000 คำ หรือ 40 หน้าที่น่าประทับใจ
สมุดบันทึกตัวอย่างสำหรับโมเดลสรุป AI21 มีข้อกำหนดเบื้องต้นที่สำคัญที่ต้องปฏิบัติตาม ตัวอย่างเช่น โมเดลได้รับการสมัครจาก AWS Marketplace มีสิทธิ์ตามบทบาท IAM ที่เหมาะสม และต้องใช้เวอร์ชัน boto3 เป็นต้น โดยจะแนะนำวิธีการเลือกแพ็กเกจโมเดล สร้างจุดสิ้นสุดสำหรับการอนุมานแบบเรียลไทม์ จากนั้นจึงล้างข้อมูล
แพ็คเกจรุ่นที่เลือกประกอบด้วยการแมป ARN กับภูมิภาค นี่คือข้อมูลที่คุณบันทึกหลังจากเลือก ดำเนินการกำหนดค่าต่อไป ในหน้าการสมัคร AWS Marketplace (ในส่วน ประเมินและสมัครสมาชิกใน Marketplace) จากนั้นเลือกภูมิภาคที่คุณจะเห็น ARN ของผลิตภัณฑ์ที่เกี่ยวข้อง
โน้ตบุ๊กอาจเติม ARN ไว้ล่วงหน้าแล้ว
จากนั้น คุณนำเข้าบางไลบรารีที่จำเป็นสำหรับการเรียกใช้สมุดบันทึกนี้ และติดตั้งวิกิพีเดีย ซึ่งเป็นไลบรารี Python ที่ช่วยให้เข้าถึงและแยกวิเคราะห์ข้อมูลจากวิกิพีเดียได้ง่าย สมุดบันทึกใช้สิ่งนี้ในภายหลังเพื่อแสดงวิธีสรุปข้อความยาวจากวิกิพีเดีย
โน้ตบุ๊กยังดำเนินการติดตั้ง ai21
Python SDK ซึ่งเป็นตัวห่อหุ้มรอบ SageMaker API เช่น deploy
และ invoke endpoint
.
เซลล์ถัดไปอีกสองสามเซลล์ของสมุดบันทึกจะอธิบายตามขั้นตอนต่อไปนี้:
- เลือกภูมิภาคและเรียก ARN แพ็คเกจโมเดลจากแมปแพ็คเกจโมเดล
- สร้างจุดสิ้นสุดการอนุมานของคุณโดยเลือกประเภทอินสแตนซ์ (ขึ้นอยู่กับกรณีการใช้งานและอินสแตนซ์ที่รองรับสำหรับรุ่นนั้นๆ ดู โมเดลเฉพาะงาน สำหรับรายละเอียดเพิ่มเติม) เพื่อเรียกใช้แบบจำลอง
- สร้างโมเดลที่ปรับใช้ได้จากแพ็คเกจโมเดล
ลองใช้การอนุมานเพื่อสร้างบทสรุปของย่อหน้าเดียวที่นำมาจากบทความข่าว ดังที่คุณเห็นในเอาต์พุต ข้อความสรุปจะถูกนำเสนอเป็นเอาต์พุตโดยโมเดล
AI21 สรุปสามารถจัดการอินพุตได้สูงสุด 50,000 ตัวอักษร แปลได้ประมาณ 10,000 คำ หรือ 40 หน้า เพื่อเป็นการสาธิตพฤติกรรมของแบบจำลอง เราโหลดหน้าจากวิกิพีเดีย
ตอนนี้คุณได้ดำเนินการอนุมานตามเวลาจริงสำหรับการทดสอบแล้ว คุณอาจไม่ต้องการจุดสิ้นสุดอีกต่อไป คุณสามารถลบปลายทางเพื่อหลีกเลี่ยงการถูกเรียกเก็บเงิน
คำสั่ง Cohere
Cohere Command เป็นโมเดลเชิงสร้างที่ตอบสนองได้ดีด้วยพร้อมต์คำสั่ง โมเดลนี้ช่วยให้ธุรกิจและองค์กรต่างๆ มีคุณภาพ ประสิทธิภาพ และความแม่นยำที่ดีที่สุดในงานเชิงสร้างสรรค์ทั้งหมด คุณสามารถใช้โมเดลคำสั่งของ Cohere เพื่อกระตุ้นการเขียนคำโฆษณา การจดจำชื่อเอนทิตี การถอดความ หรือการสรุป และนำพวกเขาไปสู่อีกระดับ
สมุดบันทึกตัวอย่างสำหรับรุ่น Cohere Command จัดเตรียมข้อกำหนดเบื้องต้นที่สำคัญที่ต้องปฏิบัติตาม ตัวอย่างเช่น โมเดลได้รับการสมัครจาก AWS Marketplace มีสิทธิ์ตามบทบาท IAM ที่เหมาะสม และต้องมีเวอร์ชัน boto3 เป็นต้น โดยจะแนะนำวิธีการเลือกแพ็กเกจโมเดล สร้างจุดสิ้นสุดสำหรับการอนุมานแบบเรียลไทม์ จากนั้นล้างข้อมูล
งานบางอย่างคล้ายกับงานที่ระบุไว้ในตัวอย่างโน้ตบุ๊กก่อนหน้านี้ เช่น การติดตั้ง Boto3 การติดตั้ง cohere-sagemaker
(แพ็คเกจมีฟังก์ชันที่พัฒนาขึ้นเพื่อทำให้การเชื่อมต่อกับโมเดล Cohere ง่ายขึ้น) และการรับเซสชันและภูมิภาค
มาสำรวจการสร้างจุดสิ้นสุดกัน คุณระบุโมเดลแพ็กเกจ ARN ชื่อปลายทาง ประเภทอินสแตนซ์ที่จะใช้ และจำนวนอินสแตนซ์ เมื่อสร้างแล้ว จุดสิ้นสุดจะปรากฏในของคุณ ปลายทาง ส่วนของ SageMaker
ทีนี้มาเรียกใช้การอนุมานเพื่อดูผลลัพธ์บางส่วนจากโมเดลคำสั่ง
ภาพหน้าจอต่อไปนี้แสดงตัวอย่างการสร้างประกาศรับสมัครงานและเอาต์พุต อย่างที่คุณเห็น โมเดลสร้างโพสต์จากพรอมต์ที่กำหนด
ทีนี้มาดูตัวอย่างต่อไปนี้:
- สร้างรายละเอียดสินค้า
- สร้างย่อหน้าเนื้อหาของบล็อกโพสต์
- สร้างอีเมลติดต่อ
อย่างที่คุณเห็น โมเดลคำสั่ง Cohere สร้างข้อความสำหรับงานสร้างต่างๆ
ตอนนี้คุณได้ดำเนินการอนุมานตามเวลาจริงสำหรับการทดสอบแล้ว คุณอาจไม่ต้องการจุดสิ้นสุดอีกต่อไป คุณสามารถลบปลายทางเพื่อหลีกเลี่ยงการถูกเรียกเก็บเงิน
คำสั่ง LightOn ขนาดเล็ก
Mini-instruct ซึ่งเป็นโมเดล AI ที่มีพารามิเตอร์ 40 ล้านพารามิเตอร์ที่สร้างโดย LightOn เป็นระบบ AI หลายภาษาอันทรงพลังที่ได้รับการฝึกอบรมโดยใช้ข้อมูลคุณภาพสูงจากแหล่งต่างๆ มากมาย สร้างขึ้นเพื่อให้เข้าใจภาษาธรรมชาติและตอบสนองต่อคำสั่งที่เฉพาะเจาะจงกับความต้องการของคุณ มันทำงานได้อย่างน่าชื่นชมในผลิตภัณฑ์สำหรับผู้บริโภค เช่น ผู้ช่วยเสียง แชทบอท และอุปกรณ์อัจฉริยะ นอกจากนี้ยังมีแอปพลิเคชันทางธุรกิจที่หลากหลาย รวมถึงความช่วยเหลือจากตัวแทนและการผลิตภาษาธรรมชาติสำหรับการดูแลลูกค้าแบบอัตโนมัติ
สมุดบันทึกตัวอย่างสำหรับรุ่น LightOn Mini-instruct มีข้อกำหนดเบื้องต้นที่สำคัญที่ต้องปฏิบัติตาม ตัวอย่างเช่น โมเดลได้รับการสมัครจาก AWS Marketplace มีสิทธิ์ตามบทบาท IAM ที่เหมาะสม และต้องมีเวอร์ชัน boto3 เป็นต้น โดยจะแนะนำวิธีการเลือกแพ็กเกจโมเดล สร้างจุดสิ้นสุดสำหรับการอนุมานแบบเรียลไทม์ จากนั้นล้างข้อมูล
งานบางอย่างคล้ายกับงานที่ระบุไว้ในตัวอย่างโน้ตบุ๊กก่อนหน้านี้ เช่น การติดตั้ง Boto3 และการรับภูมิภาคของเซสชัน
มาดูการสร้างจุดสิ้นสุดกัน ขั้นแรก ให้จัดเตรียมโมเดลแพ็กเกจ ARN ชื่อจุดสิ้นสุด ประเภทอินสแตนซ์ที่จะใช้ และจำนวนอินสแตนซ์ เมื่อสร้างแล้ว จุดสิ้นสุดจะปรากฏในส่วนจุดสิ้นสุดของ SageMaker
ตอนนี้ มาลองอนุมานแบบจำลองโดยขอให้สร้างรายการแนวคิดสำหรับบทความสำหรับหัวข้อหนึ่งๆ ในกรณีนี้คือสีน้ำ
อย่างที่คุณเห็น โมเดล LightOn Mini-instruct สามารถจัดเตรียมข้อความที่สร้างขึ้นตามพรอมต์ที่กำหนด
ทำความสะอาด
หลังจากที่คุณทดสอบโมเดลและสร้างจุดสิ้นสุดด้านบนสำหรับตัวอย่าง Foundation Models ที่เป็นกรรมสิทธิ์แล้ว ตรวจสอบให้แน่ใจว่าคุณลบจุดสิ้นสุดการอนุมานของ SageMaker และลบโมเดลเพื่อหลีกเลี่ยงค่าใช้จ่ายที่เกิดขึ้น
สรุป
ในโพสต์นี้ เราได้แสดงวิธีเริ่มต้นใช้งานโมเดลที่เป็นกรรมสิทธิ์จากผู้ให้บริการโมเดล เช่น AI21, Cohere และ LightOn ใน SageMaker Studio ลูกค้าสามารถค้นพบและใช้ Foundation Model ที่เป็นกรรมสิทธิ์ใน SageMaker JumpStart จาก Studio, SageMaker SDK และ SageMaker Console ด้วยเหตุนี้ พวกเขาจึงสามารถเข้าถึงโมเดล ML สเกลใหญ่ที่มีพารามิเตอร์หลายพันล้านตัว และได้รับการฝึกอบรมล่วงหน้าเป็นเทราไบต์ของข้อมูลข้อความและรูปภาพ ดังนั้นลูกค้าจึงสามารถทำงานต่างๆ ได้หลากหลาย เช่น การสรุปบทความและการสร้างข้อความ รูปภาพ หรือวิดีโอ เนื่องจากโมเดลพื้นฐานได้รับการฝึกฝนล่วงหน้า จึงสามารถช่วยลดต้นทุนการฝึกอบรมและโครงสร้างพื้นฐาน และเปิดใช้งานการปรับแต่งสำหรับกรณีการใช้งานของคุณ
แหล่งข้อมูล
เกี่ยวกับผู้แต่ง
จูน วอน เป็นผู้จัดการผลิตภัณฑ์ของ SageMaker JumpStart เขามุ่งเน้นที่การสร้างแบบจำลองพื้นฐานที่ค้นพบได้ง่ายและใช้งานได้ เพื่อช่วยลูกค้าสร้างแอปพลิเคชัน AI เชิงกำเนิด
มณี ขันุจา เป็นผู้เชี่ยวชาญด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง SA ที่ Amazon Web Services (AWS) เธอช่วยลูกค้าโดยใช้แมชชีนเลิร์นนิงเพื่อแก้ปัญหาทางธุรกิจโดยใช้ AWS เธอใช้เวลาส่วนใหญ่ไปกับการดำน้ำลึกและสอนลูกค้าเกี่ยวกับโครงการ AI/ML ที่เกี่ยวข้องกับคอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ การพยากรณ์ ML ที่ขอบ และอีกมากมาย เธอหลงใหลเกี่ยวกับ ML ที่ขอบ เธอจึงได้สร้างห้องปฏิบัติการของตัวเองด้วยชุดอุปกรณ์ขับเคลื่อนอัตโนมัติและสายการผลิตการผลิตต้นแบบ ซึ่งเธอใช้เวลาว่างเป็นจำนวนมาก
นิติน ยูเซบิอุส เป็น Sr. Enterprise Solutions Architect ที่ AWS ซึ่งมีประสบการณ์ด้าน Software Engineering , Enterprise Architecture และ AI/ML เขาทำงานร่วมกับลูกค้าเพื่อช่วยพวกเขาสร้างแอปพลิเคชันที่มีสถาปัตยกรรมดีบนแพลตฟอร์ม AWS เขาหลงใหลในการแก้ปัญหาความท้าทายด้านเทคโนโลยีและช่วยเหลือลูกค้าในการเดินทางสู่ระบบคลาวด์
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/use-proprietary-foundation-models-from-amazon-sagemaker-jumpstart-in-amazon-sagemaker-studio/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 000
- 10
- 100
- 40
- 50
- 500
- 7
- 87
- a
- สามารถ
- เกี่ยวกับเรา
- ข้างบน
- เร่งความเร็ว
- เข้า
- ลงชื่อเข้าใช้
- ความถูกต้อง
- การปฏิบัติ
- ผู้ดูแลระบบ
- หลังจาก
- ตัวแทน
- AI
- AI / ML
- อัลกอริทึม
- ทั้งหมด
- ช่วยให้
- แล้ว
- ด้วย
- อเมซอน
- อเมซอน SageMaker
- Amazon SageMaker JumpStart
- สตูดิโอ Amazon SageMaker
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- และ
- และโครงสร้างพื้นฐาน
- ใด
- อีกต่อไป
- APIs
- ปรากฏ
- เครื่องใช้
- การใช้งาน
- เหมาะสม
- สถาปัตยกรรม
- เป็น
- รอบ
- บทความ
- บทความ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่อง
- AS
- ความช่วยเหลือ
- ผู้ช่วย
- At
- อัตโนมัติ
- ใช้ได้
- หลีกเลี่ยง
- AWS
- AWS Marketplace
- ตาม
- BE
- เพราะ
- รับ
- ก่อน
- กำลัง
- ที่ดีที่สุด
- พันล้าน
- พันล้าน
- บล็อก
- ร่างกาย
- สร้าง
- สร้าง
- ธุรกิจ
- การประยุกต์ทางธุรกิจ
- ธุรกิจ
- แต่
- by
- CAN
- จับ
- ถูกจับกุม
- บัตร
- การ์ด
- ซึ่ง
- กรณี
- เซลล์
- ความท้าทาย
- อักขระ
- การเรียกเก็บเงิน
- โหลด
- chatbots
- Choose
- เลือก
- เมฆ
- รหัส
- คอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- คงเส้นคงวา
- ปลอบใจ
- ผู้บริโภค
- สินค้าอุปโภคบริโภค
- ติดต่อเรา
- บรรจุ
- มี
- ควบคุม
- การเขียนคำโฆษณา
- ตรงกัน
- ค่าใช้จ่าย
- ปกคลุม
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- ลูกค้า
- ลูกค้า
- การปรับแต่ง
- ข้อมูล
- นักวิทยาศาสตร์ข้อมูล
- ทุ่มเท
- ลึก
- ทั้งนี้ขึ้นอยู่กับ
- ปรับใช้
- ปรับใช้
- การใช้งาน
- ลักษณะ
- รายละเอียด
- รายละเอียด
- พัฒนา
- พัฒนาการ
- การจัดจำหน่าย
- โดยตรง
- ส่วนลด
- ค้นพบ
- แสดง
- ไม่
- Dont
- อย่างง่ายดาย
- ง่าย
- ขอบ
- ความพยายาม
- อีเมล
- ทำให้สามารถ
- ปลายทาง
- ชั้นเยี่ยม
- Enterprise
- ผู้ประกอบการ
- เอกลักษณ์
- สิ่งแวดล้อม
- ฯลฯ
- ประเมินค่า
- ตัวอย่าง
- ตัวอย่าง
- ประสบการณ์
- สำรวจ
- ใบหน้า
- สองสาม
- ชื่อจริง
- มุ่งเน้นไปที่
- ปฏิบัติตาม
- ตาม
- ดังต่อไปนี้
- สำหรับ
- รากฐาน
- ฟรี
- ราคาเริ่มต้นที่
- ฟังก์ชั่น
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ได้รับ
- ได้รับ
- กำหนด
- Go
- จัดการ
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- ที่มีคุณภาพสูง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- Hub
- ความคิด
- แยกแยะ
- if
- ภาพ
- นำเข้า
- สำคัญ
- การนำเข้า
- ประทับใจ
- in
- รวมทั้ง
- ข้อมูล
- โครงสร้างพื้นฐาน
- อินพุต
- ปัจจัยการผลิต
- ติดตั้ง
- การติดตั้ง
- ตัวอย่าง
- คำแนะนำการใช้
- แบบบูรณาการ
- Intelligence
- เข้าไป
- เปลี่ยว
- IT
- ITS
- การสัมภาษณ์
- การเดินทาง
- jpg
- คีย์
- ห้องปฏิบัติการ
- ห้องปฏิบัติการ
- เชื่อมโยงไปถึง
- ภาษา
- ขนาดใหญ่
- ต่อมา
- เรียนรู้
- การเรียนรู้
- ช่วยให้
- ชั้น
- ห้องสมุด
- ห้องสมุด
- กดไลก์
- LIMIT
- Line
- รายการ
- จดทะเบียน
- รายการ
- โหลด
- นาน
- ดู
- Lot
- ลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- ทำให้
- การทำ
- การจัดการ
- ผู้จัดการ
- การผลิต
- หลาย
- การทำแผนที่
- ตลาด
- อาจ..
- ML
- โหมด
- แบบ
- โมเดล
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ชื่อ
- ที่มีชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็น
- จำเป็นต้อง
- ความต้องการ
- เครือข่าย
- ข่าว
- ถัดไป
- สมุดบันทึก
- จำนวน
- มากมาย
- of
- on
- ครั้งเดียว
- เปิด
- or
- organizacja
- อื่นๆ
- ออก
- เอาท์พุต
- แผ่ออกไป
- เกิน
- ภาพรวม
- ของตนเอง
- แพ็คเกจ
- หน้า
- พารามิเตอร์
- หลงใหล
- ดำเนินการ
- การปฏิบัติ
- ดำเนินการ
- ดำเนินการ
- สิทธิ์
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- จุด
- ยอดนิยม
- พอร์ทัล
- โพสต์
- ที่มีประสิทธิภาพ
- ข้อกำหนดเบื้องต้น
- นำเสนอ
- ก่อน
- การตั้งราคา
- ก่อน
- เงินที่ได้
- การประมวลผล
- จัดซื้อจัดจ้าง
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- การผลิต
- ผลิตภัณฑ์
- โครงการ
- เป็นเจ้าของ
- ต้นแบบ
- ให้
- ให้
- ผู้จัดหา
- ผู้ให้บริการ
- ให้
- สาธารณชน
- การตีพิมพ์
- หลาม
- คุณภาพ
- คำถาม
- พิสัย
- มาถึง
- เกิดปฏิกิริยา
- อ่าน
- โหมดอ่านอย่างเดียว
- เรียลไทม์
- การรับรู้
- เกี่ยวกับ
- ภูมิภาค
- ภูมิภาค
- ที่เกี่ยวข้อง
- ยังคง
- ขอ
- ต้องการ
- จำเป็นต้องใช้
- แหล่งข้อมูล
- ทบทวน
- บทบาท
- ลวก
- วิ่ง
- วิ่ง
- SA
- sagemaker
- การอนุมาน SageMaker
- เดียวกัน
- นักวิทยาศาสตร์
- สคริปต์
- SDK
- Section
- เห็น
- เลือก
- การเลือก
- ขับเคลื่อนด้วยตัวเอง
- บริการ
- บริการ
- เซสชั่น
- ชุด
- Share
- เธอ
- สั้น
- น่า
- แสดง
- แสดงให้เห็นว่า
- แสดง
- แสดงให้เห็นว่า
- คล้ายคลึงกัน
- ลดความซับซ้อน
- ง่ายดาย
- เดียว
- สมาร์ท
- So
- ซอฟต์แวร์
- วิศวกรรมซอฟต์แวร์
- โซลูชัน
- แก้
- การแก้
- บาง
- บางคน
- แหล่ง
- แหล่งที่มา
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- มั่นคง
- เริ่มต้น
- ข้อความที่เริ่ม
- ขั้นตอน
- ยังคง
- สตูดิโอ
- สมัครเป็นสมาชิก
- การสมัครสมาชิก
- อย่างเช่น
- สรุป
- สรุป
- สนับสนุน
- ที่สนับสนุน
- ระบบ
- TAG
- เอา
- นำ
- งาน
- การเรียนการสอน
- ทีม
- เทคโนโลยี
- เงื่อนไขการใช้บริการ
- การทดสอบ
- การทดสอบ
- ที่
- พื้นที่
- ข้อมูล
- ที่มา
- ของพวกเขา
- พวกเขา
- แล้วก็
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- เหล่านั้น
- ตลอด
- เวลา
- ไปยัง
- หัวข้อ
- รถไฟ
- ผ่านการฝึกอบรม
- การฝึกอบรม
- ลอง
- สอง
- ชนิด
- ชนิด
- ui
- ภายใต้
- เข้าใจ
- URL
- ใช้ได้
- การใช้
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้
- ใช้
- การใช้
- ต่างๆ
- รุ่น
- ผ่านทาง
- วีดีโอ
- รายละเอียด
- วิสัยทัศน์
- เสียงพูด
- ปริมาณ
- คือ
- we
- เว็บ
- บริการเว็บ
- web-based
- น้ำหนัก
- ดี
- ที่
- ในขณะที่
- กว้าง
- ช่วงกว้าง
- วิกิพีเดีย
- จะ
- กับ
- คำ
- โรงงาน
- คุณ
- ของคุณ
- ลมทะเล