เข้าใจ Amazon เป็นบริการประมวลผลภาษาธรรมชาติ (NLP) ที่ให้บริการ API ที่ได้รับการฝึกอบรมล่วงหน้าและแบบกำหนดเองเพื่อรับข้อมูลเชิงลึกจากข้อมูลที่เป็นข้อความ ลูกค้า Amazon Comprehend สามารถฝึกโมเดลการจดจำเอนทิตีที่มีชื่อ (NER) แบบกำหนดเองเพื่อแยกเอนทิตีที่สนใจ เช่น สถานที่ ชื่อบุคคล และวันที่ ซึ่งเป็นลักษณะเฉพาะของธุรกิจของพวกเขา
หากต้องการฝึกโมเดลแบบกำหนดเอง คุณต้องเตรียมข้อมูลการฝึกโดยใส่คำอธิบายประกอบเอนทิตีในเอกสารด้วยตนเอง ซึ่งสามารถทำได้ด้วยการ เครื่องมือคำอธิบายประกอบเอกสารกึ่งโครงสร้างที่เข้าใจซึ่งสร้าง ความจริงของ Amazon SageMaker งานด้วยเทมเพลตแบบกำหนดเอง ช่วยให้ผู้อธิบายสามารถวาดกรอบล้อมรอบเอนทิตีบนเอกสาร PDF ได้โดยตรง อย่างไรก็ตาม สำหรับบริษัทที่มีข้อมูลเอนทิตีแบบตารางอยู่ในระบบ ERP เช่น SAP คำอธิบายประกอบด้วยตนเองอาจทำซ้ำและใช้เวลานาน
เพื่อลดความยุ่งยากในการเตรียมข้อมูลการฝึกอบรม เราได้สร้างเครื่องมือติดป้ายกำกับล่วงหน้าโดยใช้ ฟังก์ชันขั้นตอนของ AWS ที่จะใส่คำอธิบายประกอบเอกสารล่วงหน้าโดยอัตโนมัติโดยใช้ข้อมูลเอนทิตีแบบตารางที่มีอยู่ ซึ่งช่วยลดการทำงานด้วยตนเองที่จำเป็นในการฝึกโมเดลการรู้จำเอนทิตีแบบกำหนดเองที่แม่นยำใน Amazon Comprehend ได้อย่างมาก
ในโพสต์นี้ เราจะแนะนำคุณตลอดขั้นตอนการตั้งค่าเครื่องมือการติดป้ายกำกับล่วงหน้า และแสดงตัวอย่างวิธีการใส่คำอธิบายประกอบเอกสารจากสาธารณะโดยอัตโนมัติ ชุด ตัวอย่างใบแจ้งยอดธนาคารในรูปแบบ PDF รหัสเต็มมีอยู่ที่ repo GitHub.
ภาพรวมโซลูชัน
ในส่วนนี้ เราจะหารือเกี่ยวกับอินพุตและเอาต์พุตของเครื่องมือการติดฉลากล่วงหน้า และให้ภาพรวมของสถาปัตยกรรมโซลูชัน
อินพุตและเอาต์พุต
เครื่องมือการติดฉลากล่วงหน้าจะใช้เอกสาร PDF ที่มีข้อความมาใส่คำอธิบายประกอบในขณะที่ป้อนข้อมูล สำหรับการสาธิต เราใช้ใบแจ้งยอดจากธนาคารจำลองตามตัวอย่างต่อไปนี้
เครื่องมือนี้ยังใช้ไฟล์รายการซึ่งแมปเอกสาร PDF กับเอนทิตีที่เราต้องการแยกจากเอกสารเหล่านี้ เอนทิตีประกอบด้วยสองสิ่ง: expected_text
เพื่อดึงข้อมูลจากเอกสาร (เช่น AnyCompany Bank
) และสิ่งที่เกี่ยวข้อง entity_type
(ตัวอย่างเช่น, bank_name
). ต่อไปในโพสต์นี้ เราจะแสดงวิธีสร้างไฟล์ Manifest จากเอกสาร CSV ตามตัวอย่างต่อไปนี้
เครื่องมือการติดป้ายกำกับล่วงหน้าใช้ไฟล์ Manifest เพื่อใส่คำอธิบายประกอบในเอกสารโดยอัตโนมัติด้วยเอนทิตีที่เกี่ยวข้อง จากนั้นเราสามารถใช้คำอธิบายประกอบเหล่านี้โดยตรงเพื่อฝึกโมเดล Amazon Comprehend
หรือคุณสามารถสร้างงานติดป้ายกำกับ SageMaker Ground Truth สำหรับการตรวจสอบและแก้ไขโดยมนุษย์ได้ ดังที่แสดงในภาพหน้าจอต่อไปนี้
เมื่อการตรวจสอบเสร็จสมบูรณ์ คุณสามารถใช้ข้อมูลที่มีคำอธิบายประกอบเพื่อฝึกโมเดลตัวจดจำเอนทิตีที่กำหนดเองของ Amazon Comprehend
สถาปัตยกรรม
เครื่องมือติดฉลากล่วงหน้าประกอบด้วยหลายเครื่องมือ AWS แลมบ์ดา ฟังก์ชันที่ควบคุมโดยเครื่องสถานะ Step Functions มีสองเวอร์ชันที่ใช้เทคนิคที่แตกต่างกันเพื่อสร้างคำอธิบายประกอบล่วงหน้า
เทคนิคแรกก็คือ การจับคู่ที่คลุมเครือ. ต้องใช้ไฟล์รายการล่วงหน้าพร้อมกับเอนทิตีที่คาดหวัง เครื่องมือนี้ใช้อัลกอริธึมการจับคู่แบบคลุมเครือเพื่อสร้างคำอธิบายประกอบล่วงหน้าโดยการเปรียบเทียบความคล้ายคลึงกันของข้อความ
การจับคู่แบบคลุมเครือจะค้นหาสตริงในเอกสารที่คล้ายกัน (แต่ไม่จำเป็นต้องเหมือนกัน) กับเอนทิตีที่คาดไว้ซึ่งแสดงอยู่ในไฟล์รายการล่วงหน้า ขั้นแรกจะคำนวณคะแนนความคล้ายคลึงกันของข้อความระหว่างข้อความที่คาดหวังและคำในเอกสาร จากนั้นจะจับคู่คู่ทั้งหมดที่อยู่เหนือเกณฑ์ ดังนั้น แม้ว่าจะไม่ตรงกันทุกประการ แต่การจับคู่แบบคลุมเครือก็สามารถค้นหารูปแบบต่างๆ เช่น คำย่อและการสะกดผิดได้ ซึ่งช่วยให้เครื่องมือสามารถติดป้ายกำกับเอกสารล่วงหน้าได้โดยไม่ต้องให้เอนทิตีปรากฏเป็นคำต่อคำ ตัวอย่างเช่น ถ้า 'AnyCompany Bank'
ถูกระบุว่าเป็นเอนทิตีที่คาดหวัง Fuzzy Matching จะใส่คำอธิบายประกอบเหตุการณ์ต่างๆ 'Any Companys Bank'
. ซึ่งให้ความยืดหยุ่นมากกว่าการจับคู่สตริงแบบเข้มงวด และช่วยให้เครื่องมือการติดป้ายกำกับล่วงหน้าสามารถติดป้ายกำกับเอนทิตีได้มากขึ้นโดยอัตโนมัติ
แผนภาพต่อไปนี้แสดงสถาปัตยกรรมของเครื่องสถานะ Step Functions นี้
เทคนิคที่สองต้องใช้ โมเดลตัวจดจำเอนทิตีของ Amazon Comprehend ที่ผ่านการฝึกอบรมล่วงหน้า. เครื่องมือสร้างคำอธิบายประกอบล่วงหน้าโดยใช้โมเดล Amazon Comprehend ตามขั้นตอนการทำงานที่แสดงในแผนภาพต่อไปนี้
แผนภาพต่อไปนี้แสดงสถาปัตยกรรมทั้งหมด
ในส่วนต่อไปนี้ เราจะอธิบายขั้นตอนต่างๆ เพื่อนำโซลูชันไปใช้
ปรับใช้เครื่องมือการติดฉลากล่วงหน้า
โคลนที่เก็บไปยังเครื่องของคุณ:
พื้นที่เก็บข้อมูลนี้สร้างขึ้นจากเครื่องมือคำอธิบายประกอบเอกสารกึ่งโครงสร้าง Comprehend และขยายฟังก์ชันการทำงานโดยช่วยให้คุณสามารถเริ่มงานติดป้ายกำกับ SageMaker Ground Truth ด้วยคำอธิบายประกอบล่วงหน้าที่แสดงอยู่แล้วบน SageMaker Ground Truth UI
เครื่องมือการติดฉลากล่วงหน้าประกอบด้วยทั้งทรัพยากรเครื่องมือคำอธิบายประกอบเอกสารกึ่งโครงสร้าง Comprehend เช่นเดียวกับทรัพยากรบางอย่างเฉพาะสำหรับเครื่องมือการติดฉลากล่วงหน้า คุณสามารถปรับใช้โซลูชันด้วย โมเดลแอปพลิเคชัน AWS Serverless (AWS SAM) เฟรมเวิร์กโอเพ่นซอร์สที่คุณสามารถใช้เพื่อกำหนดโค้ดโครงสร้างพื้นฐานแอปพลิเคชันแบบไร้เซิร์ฟเวอร์
หากคุณเคยใช้งาน Comprehend Semi-Structured Documents Annotation Tool มาก่อน โปรดดูส่วนคำถามที่พบบ่อยใน Pre_labeling_tool/README.md
สำหรับคำแนะนำเกี่ยวกับวิธีการปรับใช้เฉพาะทรัพยากรเฉพาะสำหรับเครื่องมือการติดฉลากล่วงหน้า
หากคุณไม่เคยใช้เครื่องมือมาก่อนและกำลังเริ่มต้นใหม่ ให้ทำดังต่อไปนี้เพื่อปรับใช้โซลูชันทั้งหมด
เปลี่ยนไดเร็กทอรีปัจจุบันเป็นโฟลเดอร์เครื่องมือคำอธิบายประกอบ:
สร้างและปรับใช้โซลูชัน:
สร้างไฟล์ Manifest ล่วงหน้า
ก่อนที่คุณจะใช้เครื่องมือการติดฉลากล่วงหน้าได้ คุณต้องเตรียมข้อมูลของคุณก่อน อินพุตหลักคือเอกสาร PDF และไฟล์รายการล่วงหน้า ไฟล์รายการล่วงหน้าประกอบด้วยตำแหน่งของเอกสาร PDF แต่ละฉบับที่อยู่ด้านล่าง 'pdf'
และตำแหน่งของไฟล์ JSON โดยมีเอนทิตีที่คาดว่าจะติดป้ายกำกับ 'expected_entities'
.
คอมพิวเตอร์พกพา Generate_premanifest_file.ipynb แสดงวิธีการสร้างไฟล์นี้ ในการสาธิต ไฟล์รายการล่วงหน้าจะแสดงรหัสต่อไปนี้:
ไฟล์ JSON แต่ละไฟล์ที่แสดงอยู่ในไฟล์รายการล่วงหน้า (ภายใต้ expected_entities
) มีรายการพจนานุกรม หนึ่งรายการสำหรับแต่ละเอนทิตีที่คาดหวัง พจนานุกรมมีปุ่มต่างๆ ดังต่อไปนี้:
- 'คาดหวัง_ข้อความ' – รายการสตริงข้อความที่เป็นไปได้ที่ตรงกับเอนทิตี
- 'เอนทิตี_ประเภท' – ประเภทเอนทิตีที่เกี่ยวข้อง
- 'ignore_list' (ไม่บังคับ) – รายการคำศัพท์ที่ควรละเว้นในการแข่งขัน ควรใช้พารามิเตอร์เหล่านี้เพื่อป้องกันการจับคู่แบบคลุมเครือจากการจับคู่ชุดคำเฉพาะที่คุณรู้ว่าผิด วิธีนี้จะมีประโยชน์หากคุณต้องการละเว้นตัวเลขหรือที่อยู่อีเมลเมื่อดูชื่อ
ยกตัวอย่างเช่น expected_entities
ของ PDF ที่แสดงก่อนหน้านี้มีลักษณะดังนี้:
เรียกใช้เครื่องมือการติดฉลากล่วงหน้า
ด้วยไฟล์รายการล่วงหน้าที่คุณสร้างในขั้นตอนก่อนหน้า ให้เริ่มรันเครื่องมือการติดป้ายกำกับล่วงหน้า สำหรับรายละเอียดเพิ่มเติม โปรดดูที่สมุดบันทึก start_step_functions.ipynb.
หากต้องการเริ่มใช้เครื่องมือการติดฉลากล่วงหน้า ให้จัดเตรียม event
ด้วยคีย์ดังต่อไปนี้:
- ประจักษ์แจ้งล่วงหน้า – แมปเอกสาร PDF แต่ละเอกสารเข้ากับมัน
expected_entities
ไฟล์. ซึ่งควรจะประกอบด้วย บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) ที่ฝากข้อมูล (ใต้bucket
) และคีย์ (ภายใต้key
) ของไฟล์ - อุปสรรค – ใช้ในการสร้าง
execution_id
ซึ่งตั้งชื่อโฟลเดอร์ S3 สำหรับพื้นที่จัดเก็บเอาต์พุตและชื่องานการติดป้ายกำกับ SageMaker Ground Truth - เอนทิตี_ประเภท – แสดงใน UI เพื่อให้คำอธิบายประกอบติดป้ายกำกับ สิ่งเหล่านี้ควรรวมประเภทเอนทิตีทั้งหมดในไฟล์เอนทิตีที่คาดหวัง
- work_team_name (ไม่บังคับ) – ใช้สำหรับสร้างงานการติดป้ายกำกับ SageMaker Ground Truth สอดคล้องกับบุคลากรเอกชนที่ต้องการใช้ หากไม่ได้ระบุไว้ ระบบจะสร้างเฉพาะไฟล์ Manifest แทนงานติดป้ายกำกับ SageMaker Ground Truth คุณสามารถใช้ไฟล์ Manifest เพื่อสร้างงานติดป้ายกำกับ SageMaker Ground Truth ในภายหลังได้ โปรดทราบว่าในขณะที่เขียนบทความนี้ คุณไม่สามารถจัดหาบุคลากรภายนอกเมื่อสร้างงานการติดป้ายกำกับจากสมุดบันทึกได้ อย่างไรก็ตาม คุณสามารถโคลนงานที่สร้างขึ้นและมอบหมายงานให้กับพนักงานภายนอกบนคอนโซล SageMaker Ground Truth ได้
- comprehend_parameters (ไม่บังคับ) – พารามิเตอร์เพื่อฝึกโมเดลตัวจดจำเอนทิตีแบบกำหนดเองของ Amazon Comprehend โดยตรง หากละเว้น ขั้นตอนนี้จะถูกข้ามไป
หากต้องการสตาร์ทเครื่องสถานะ ให้รันโค้ด Python ต่อไปนี้:
นี่จะเป็นการเริ่มการทำงานของเครื่องสถานะ คุณสามารถติดตามความคืบหน้าของเครื่องสถานะได้บนคอนโซล Step Functions แผนภาพต่อไปนี้แสดงขั้นตอนการทำงานของเครื่องสถานะ
เมื่อเครื่องสถานะเสร็จสมบูรณ์ ให้ทำดังต่อไปนี้:
- ตรวจสอบผลลัพธ์ต่อไปนี้ที่บันทึกไว้ใน
prelabeling/
โฟลเดอร์ของไฟล์comprehend-semi-structured-docs
ที่เก็บข้อมูล S3:- ไฟล์คำอธิบายประกอบแต่ละไฟล์สำหรับแต่ละหน้าของเอกสาร (หนึ่งไฟล์ต่อหน้าต่อเอกสาร)
temp_individual_manifests/
- ไฟล์ Manifest สำหรับงานติดป้ายกำกับ SageMaker Ground Truth
consolidated_manifest/consolidated_manifest.manifest
- Manifest ที่สามารถใช้เพื่อฝึกโมเดล Amazon Comprehend แบบกำหนดเองได้
consolidated_manifest/consolidated_manifest_comprehend.manifest
- ไฟล์คำอธิบายประกอบแต่ละไฟล์สำหรับแต่ละหน้าของเอกสาร (หนึ่งไฟล์ต่อหน้าต่อเอกสาร)
- บนคอนโซล SageMaker ให้เปิดงานการติดป้ายกำกับ SageMaker Ground Truth ที่สร้างขึ้นเพื่อตรวจสอบคำอธิบายประกอบ
- ตรวจสอบและทดสอบโมเดล Amazon Comprehend แบบกำหนดเองที่ได้รับการฝึกอบรม
ตามที่กล่าวไว้ก่อนหน้านี้ เครื่องมือนี้สามารถสร้างได้เฉพาะงานการติดป้ายกำกับ SageMaker Ground Truth ให้กับบุคลากรส่วนตัวเท่านั้น หากต้องการจ้างบุคคลภายนอกในการจัดทำป้ายกำกับโดยมนุษย์ คุณสามารถลอกแบบงานการติดป้ายกำกับบนคอนโซล SageMaker Ground Truth และแนบพนักงานเข้ากับงานใหม่ได้
ทำความสะอาด
เพื่อหลีกเลี่ยงไม่ให้มีค่าใช้จ่ายเพิ่มเติม ให้ลบทรัพยากรที่คุณสร้างและลบสแต็กที่คุณปรับใช้ด้วยคำสั่งต่อไปนี้:
สรุป
เครื่องมือติดป้ายกำกับล่วงหน้าเป็นวิธีที่มีประสิทธิภาพสำหรับบริษัทต่างๆ ในการใช้ข้อมูลแบบตารางที่มีอยู่เพื่อเร่งกระบวนการฝึกอบรมโมเดลการรับรู้เอนทิตีแบบกำหนดเองใน Amazon Comprehend ด้วยการใส่คำอธิบายประกอบล่วงหน้าในเอกสาร PDF โดยอัตโนมัติ จะช่วยลดภาระที่ต้องใช้คนในกระบวนการติดฉลากได้อย่างมาก
เครื่องมือนี้มีสองเวอร์ชัน: การจับคู่แบบคลุมเครือและแบบอิง Amazon Comprehend ซึ่งให้ความยืดหยุ่นในการสร้างคำอธิบายประกอบเริ่มต้น หลังจากติดป้ายกำกับเอกสารล่วงหน้าแล้ว คุณสามารถตรวจสอบเอกสารเหล่านั้นในงานติดป้ายกำกับ SageMaker Ground Truth ได้อย่างรวดเร็ว หรือแม้แต่ข้ามการตรวจสอบและฝึกโมเดลแบบกำหนดเองของ Amazon Comprehend ได้โดยตรง
เครื่องมือติดป้ายกำกับล่วงหน้าช่วยให้คุณสามารถปลดล็อกค่าของข้อมูลเอนทิตีในอดีตของคุณได้อย่างรวดเร็ว และใช้ข้อมูลดังกล่าวในการสร้างแบบจำลองที่กำหนดเองซึ่งปรับให้เหมาะกับโดเมนเฉพาะของคุณ ด้วยการเร่งสิ่งที่โดยปกติแล้วเป็นส่วนที่ต้องใช้แรงงานมากที่สุดของกระบวนการ ทำให้การจดจำเอนทิตีแบบกำหนดเองด้วย Amazon Comprehend เข้าถึงได้ง่ายกว่าที่เคย
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการติดป้ายกำกับเอกสาร PDF โดยใช้งานการติดป้ายกำกับ SageMaker Ground Truth โปรดดู คำอธิบายประกอบเอกสารที่กำหนดเองสำหรับการแยกเอนทิตีที่มีชื่อในเอกสารโดยใช้ Amazon Comprehend และ ใช้ Amazon SageMaker Ground Truth เพื่อติดป้ายกำกับข้อมูล.
เกี่ยวกับผู้แต่ง
ออสการ์ ชนาค เป็นนักวิทยาศาสตร์ประยุกต์ที่ศูนย์นวัตกรรม Generative AI เขาหลงใหลในการดำดิ่งสู่วิทยาศาสตร์เบื้องหลังแมชชีนเลิร์นนิงเพื่อให้ลูกค้าสามารถเข้าถึงได้ นอกเหนือจากงาน Oskar สนุกกับการปั่นจักรยานและติดตามกระแสทางทฤษฎีสารสนเทศ
โรเมน บีซอมเบส เป็นสถาปนิกการเรียนรู้เชิงลึกที่ศูนย์นวัตกรรม Generative AI เขามีความหลงใหลในการสร้างสถาปัตยกรรมที่เป็นนวัตกรรมเพื่อแก้ไขปัญหาทางธุรกิจของลูกค้าด้วยการเรียนรู้ของเครื่อง
- 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/automate-pdf-pre-labeling-for-amazon-comprehend/
- :มี
- :เป็น
- :ไม่
- $ ขึ้น
- 100
- 11
- 150
- 152
- 19
- 400
- 500
- 600
- 7
- 804
- 9
- a
- เกี่ยวกับเรา
- ข้างบน
- เร่งความเร็ว
- สามารถเข้าถึงได้
- ถูกต้อง
- เพิ่มเติม
- ที่อยู่
- ที่อยู่
- หลังจาก
- AI
- ขั้นตอนวิธี
- ทั้งหมด
- การอนุญาต
- ช่วยให้
- แล้ว
- ด้วย
- อเมซอน
- เข้าใจ Amazon
- อเมซอน SageMaker
- ความจริงของ Amazon SageMaker
- Amazon Web Services
- an
- และ
- ใด
- APIs
- ปรากฏ
- การใช้งาน
- ประยุกต์
- สถาปัตยกรรม
- เป็น
- รอบ
- AS
- At
- แนบ
- โดยอัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- หลีกเลี่ยง
- AWS
- ธนาคาร
- BE
- รับ
- ก่อน
- หลัง
- ระหว่าง
- ทั้งสอง
- ในกล่องสี่เหลี่ยม
- การก่อสร้าง
- สร้าง
- ธุรกิจ
- แต่
- by
- คำนวณ
- CAN
- ศูนย์
- โหลด
- รหัส
- COM
- รวม
- บริษัท
- เปรียบเทียบ
- สมบูรณ์
- เข้าใจ
- ประกอบ
- ปลอบใจ
- สร้าง
- บรรจุ
- มี
- ตรงกัน
- สอดคล้อง
- สร้าง
- ที่สร้างขึ้น
- สร้าง
- การสร้าง
- ปัจจุบัน
- ประเพณี
- ลูกค้า
- ข้อมูล
- วันที่
- ลดลง
- ลึก
- การเรียนรู้ลึก ๆ
- กำหนด
- สาธิต
- ปรับใช้
- นำไปใช้
- ได้มา
- รายละเอียด
- ต่าง
- โดยตรง
- สนทนา
- แสดง
- การดำน้ำ
- do
- เอกสาร
- เอกสาร
- ทำ
- โดเมน
- ทำ
- วาด
- แต่ละ
- ความพยายาม
- อีเมล
- ช่วยให้
- การเปิดใช้งาน
- หน่วยงาน
- เอกลักษณ์
- ERP
- แม้
- เคย
- ตัวอย่าง
- ตัวอย่าง
- ที่มีอยู่
- ที่คาดหวัง
- ขยาย
- ภายนอก
- สารสกัด
- คำถามที่พบบ่อย
- เนื้อไม่มีมัน
- ไฟล์
- หา
- ชื่อจริง
- ความยืดหยุ่น
- ดังต่อไปนี้
- สำหรับ
- รูป
- กรอบ
- สด
- ราคาเริ่มต้นที่
- เต็ม
- ฟังก์ชันการทำงาน
- ฟังก์ชั่น
- สร้าง
- สร้าง
- กำเนิด
- กำเนิด AI
- ให้
- พื้น
- มี
- he
- ทางประวัติศาสตร์
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- identiques
- if
- ไม่สนใจ
- แสดงให้เห็นถึง
- การดำเนินการ
- in
- ประกอบด้วย
- รวมถึง
- ข้อมูล
- โครงสร้างพื้นฐาน
- แรกเริ่ม
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- นวัตกรรม
- อินพุต
- ปัจจัยการผลิต
- ข้อมูลเชิงลึก
- แทน
- คำแนะนำการใช้
- อยากเรียนรู้
- เข้าไป
- IT
- ITS
- เจน
- การสัมภาษณ์
- งาน
- jpg
- JSON
- การเก็บรักษา
- คีย์
- กุญแจ
- ทราบ
- ฉลาก
- การติดฉลาก
- ต่อมา
- การเรียนรู้
- กดไลก์
- รายการ
- จดทะเบียน
- ในประเทศ
- ที่ตั้ง
- ที่ต้องการหา
- LOOKS
- เครื่อง
- เรียนรู้เครื่อง
- หลัก
- ทำ
- ทำให้
- คู่มือ
- งานด้วยตนเอง
- ด้วยมือ
- แผนที่
- การจับคู่
- ที่ตรงกัน
- การจับคู่
- กล่าวถึง
- แบบ
- โมเดล
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หลาย
- ชื่อ
- ที่มีชื่อ
- ชื่อ
- จำเป็นต้อง
- จำเป็นต้อง
- จำเป็น
- ใหม่
- NLP
- ไม่
- หมายเหตุ
- สมุดบันทึก
- ตัวเลข
- of
- on
- ONE
- เพียง
- เปิด
- โอเพนซอร์ส
- or
- บงการ
- เอาท์พุต
- เอาท์พุท
- ด้านนอก
- ภายนอก
- ภาพรวม
- หน้า
- คู่
- พารามิเตอร์
- ส่วนหนึ่ง
- หลงใหล
- รูปแบบไฟล์ PDF
- ต่อ
- คน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เป็นไปได้
- โพสต์
- ที่มีประสิทธิภาพ
- เตรียมการ
- การเตรียมความพร้อม
- ป้องกัน
- ก่อน
- ก่อนหน้านี้
- ส่วนตัว
- ปัญหาที่เกิดขึ้น
- กระบวนการ
- การประมวลผล
- ความคืบหน้า
- ให้
- ให้
- ให้
- สาธารณะ
- หลาม
- อย่างรวดเร็ว
- การรับรู้
- ลด
- ลด
- อ้างอิง
- ซ้ำ
- กรุ
- จำเป็นต้องใช้
- ต้อง
- แหล่งข้อมูล
- ทบทวน
- วิ่ง
- วิ่ง
- sagemaker
- แซม
- สนามเพลาะ
- ที่บันทึกไว้
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- ที่สอง
- Section
- ส่วน
- เห็น
- serverless
- บริการ
- บริการ
- การตั้งค่า
- น่า
- โชว์
- แสดง
- แสดงให้เห็นว่า
- อย่างมีความหมาย
- คล้ายคลึงกัน
- ง่าย
- ทางออก
- บาง
- แหล่ง
- โดยเฉพาะ
- กอง
- เริ่มต้น
- ที่เริ่มต้น
- สถานะ
- งบ
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- เข้มงวด
- เชือก
- อย่างเช่น
- ระบบ
- ปรับปรุง
- ใช้เวลา
- เทคนิค
- เทคนิค
- เทมเพลต
- ทดสอบ
- ข้อความ
- เกี่ยวกับใจความ
- กว่า
- ที่
- พื้นที่
- รัฐ
- ของพวกเขา
- พวกเขา
- แล้วก็
- ทฤษฎี
- ที่นั่น
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- สิ่ง
- นี้
- ธรณีประตู
- ตลอด
- ต้องใช้เวลามาก
- ไปยัง
- เครื่องมือ
- ด้านบน
- รถไฟ
- การฝึกอบรม
- แนวโน้ม
- ความจริง
- สอง
- ชนิด
- ชนิด
- เป็นปกติ
- ui
- ภายใต้
- เป็นเอกลักษณ์
- ปลดล็อก
- ใช้
- มือสอง
- ใช้
- การใช้
- ความคุ้มค่า
- รุ่น
- เดิน
- ต้องการ
- คือ
- ทาง..
- we
- เว็บ
- บริการเว็บ
- ดี
- อะไร
- ความหมายของ
- เมื่อ
- ที่
- ทั้งหมด
- วิกิพีเดีย
- จะ
- กับ
- ไม่มี
- คำ
- งาน
- เวิร์กโฟลว์
- กำลังแรงงาน
- การเขียน
- ผิด
- คุณ
- ของคุณ
- ลมทะเล
- รหัสไปรษณีย์