องค์กรที่มุ่งสู่วัฒนธรรมที่ขับเคลื่อนด้วยข้อมูลยอมรับการใช้ข้อมูลและการเรียนรู้ของเครื่อง (ML) ในการตัดสินใจ ในการตัดสินใจเกี่ยวกับ ML จากข้อมูล คุณต้องมีข้อมูลของคุณพร้อมใช้งาน เข้าถึงได้ สะอาด และอยู่ในรูปแบบที่เหมาะสมเพื่อฝึกโมเดล ML องค์กรที่มีสถาปัตยกรรมแบบหลายบัญชีต้องการหลีกเลี่ยงสถานการณ์ที่ต้องดึงข้อมูลจากบัญชีหนึ่งและโหลดไปยังอีกบัญชีหนึ่งสำหรับกิจกรรมการเตรียมข้อมูล การสร้างและบำรุงรักษางานดึง แปลง และโหลด (ETL) ต่างๆ ด้วยตนเองในบัญชีต่างๆ จะเพิ่มความซับซ้อนและค่าใช้จ่าย และทำให้ยากต่อการรักษาแนวทางปฏิบัติที่ดีที่สุดด้านการกำกับดูแล การปฏิบัติตามข้อกำหนด และความปลอดภัยเพื่อให้ข้อมูลของคุณปลอดภัย
อเมซอน Redshift เป็นคลังข้อมูลบนคลาวด์ที่รวดเร็วและมีการจัดการเต็มรูปแบบ คุณสมบัติการแชร์ข้อมูลข้ามบัญชีของ Amazon Redshift เป็นวิธีที่ง่ายดายและปลอดภัยในการแชร์ข้อมูลที่สดใหม่ สมบูรณ์ และสม่ำเสมอในคลังข้อมูล Amazon Redshift ของคุณกับผู้มีส่วนได้ส่วนเสียจำนวนเท่าใดก็ได้ในบัญชี AWS ต่างๆ Amazon SageMaker ข้อมูล Wrangler เป็นความสามารถของ อเมซอน SageMaker ที่ทำให้นักวิทยาศาสตร์และวิศวกรข้อมูลสามารถจัดเตรียมข้อมูลสำหรับแอปพลิเคชัน ML ได้รวดเร็วยิ่งขึ้นโดยใช้อินเทอร์เฟซแบบภาพ Data Wrangler ช่วยให้คุณสำรวจและแปลงข้อมูลสำหรับ ML ได้โดยเชื่อมต่อกับการแชร์ข้อมูลของ Amazon Redshift
ในโพสต์นี้ เราจะพูดถึงการตั้งค่าการผสานการทำงานข้ามบัญชีโดยใช้การแชร์ข้อมูลของ Amazon Redshift และการเตรียมข้อมูลโดยใช้ Data Wrangler
ภาพรวมโซลูชัน
เราเริ่มต้นด้วยบัญชี AWS สองบัญชี: บัญชีผู้ผลิตที่มีคลังข้อมูล Amazon Redshift และบัญชีผู้บริโภคสำหรับกรณีการใช้งาน SageMaker ML สำหรับโพสต์นี้เราใช้ ชุดข้อมูลธนาคาร. หากต้องการติดตาม ให้ดาวน์โหลดชุดข้อมูลไปยังเครื่องท้องถิ่นของคุณ ต่อไปนี้เป็นภาพรวมระดับสูงของเวิร์กโฟลว์:
- สร้างอินสแตนซ์คลัสเตอร์ Amazon Redshift RA3 ในบัญชีผู้ผลิตและโหลดชุดข้อมูล
- สร้างการแชร์ข้อมูลของ Amazon Redshift ในบัญชีผู้ผลิตและอนุญาตให้บัญชีผู้ใช้ทั่วไปเข้าถึงข้อมูลได้
- เข้าถึง datashare ของ Amazon Redshift ในบัญชีผู้ใช้ทั่วไป
- วิเคราะห์และประมวลผลข้อมูลด้วย Data Wrangler ในบัญชีผู้ใช้ทั่วไป และสร้างเวิร์กโฟลว์การเตรียมข้อมูลของคุณ
ระวัง การพิจารณา สำหรับการทำงานกับการแบ่งปันข้อมูล Amazon Redshift:
- บัญชี AWS หลายบัญชี – คุณต้องมีบัญชี AWS อย่างน้อยสองบัญชี: บัญชีผู้ผลิตและบัญชีผู้บริโภค
- ประเภทคลัสเตอร์ – รองรับการแชร์ข้อมูลในประเภทคลัสเตอร์ RA3 เมื่อสร้างอินสแตนซ์คลัสเตอร์ Amazon Redshift อย่าลืมเลือกประเภทคลัสเตอร์ RA3
- การเข้ารหัสลับ – เพื่อให้การแชร์ข้อมูลทำงานได้ ทั้งคลัสเตอร์ผู้ผลิตและผู้บริโภคต้องได้รับการเข้ารหัสและควรอยู่ในภูมิภาค AWS เดียวกัน
- ภูมิภาค – การแชร์ข้อมูลข้ามบัญชีใช้ได้กับ Amazon Redshift . ทั้งหมด ประเภทโหนด RA3 ในสหรัฐอเมริกาฝั่งตะวันออก (เวอร์จิเนียเหนือ) สหรัฐอเมริกาฝั่งตะวันออก (โอไฮโอ) สหรัฐอเมริกาฝั่งตะวันตก (แคลิฟอร์เนียเหนือ) สหรัฐอเมริกาฝั่งตะวันตก (ออริกอน) เอเชียแปซิฟิก (มุมไบ) เอเชียแปซิฟิก (โซล) เอเชียแปซิฟิก (สิงคโปร์) เอเชียแปซิฟิก ( ซิดนีย์), เอเชียแปซิฟิก (โตเกียว), แคนาดา (กลาง), ยุโรป (แฟรงค์เฟิร์ต), ยุโรป (ไอร์แลนด์), ยุโรป (ลอนดอน), ยุโรป (ปารีส), ยุโรป (สตอกโฮล์ม) และอเมริกาใต้ (เซาเปาโล)
- ราคา – การแชร์ข้อมูลข้ามบัญชีสามารถใช้ได้ทั่วทั้งคลัสเตอร์ที่อยู่ในภูมิภาคเดียวกัน ไม่มีค่าใช้จ่ายในการแบ่งปันข้อมูล คุณเพียงแค่ชำระเงินสำหรับคลัสเตอร์ Amazon Redshift ที่เข้าร่วมในการแบ่งปัน
การแบ่งปันข้อมูลข้ามบัญชีเป็นกระบวนการสองขั้นตอน ขั้นแรก ผู้ดูแลระบบคลัสเตอร์ผู้ผลิตสร้างการแชร์ข้อมูล เพิ่มออบเจ็กต์ และให้สิทธิ์เข้าถึงบัญชีผู้ใช้ทั่วไป จากนั้นผู้ดูแลระบบบัญชีผู้ผลิตจะอนุญาตการแบ่งปันข้อมูลสำหรับผู้บริโภคที่ระบุ คุณสามารถทำได้จากคอนโซล Amazon Redshift
สร้างการแชร์ข้อมูลของ Amazon Redshift ในบัญชีผู้ผลิต
ในการสร้าง datashare ของคุณ ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Redshift ให้สร้างคลัสเตอร์ Amazon Redshift
- ระบุ การผลิต และเลือกประเภทโหนด RA3
- ภายใต้ การกำหนดค่าเพิ่มเติม, ยกเลิกการเลือก ใช้ค่าเริ่มต้น.
- ภายใต้ การกำหนดค่าฐานข้อมูลตั้งค่าการเข้ารหัสสำหรับคลัสเตอร์ของคุณ
- หลังจากที่คุณสร้างคลัสเตอร์ ให้นำเข้าชุดข้อมูลธนาคารการตลาดทางตรง คุณสามารถดาวน์โหลดได้จาก URL ต่อไปนี้: https://sagemaker-sample-data-us-west-2.s3-us-west-2.amazonaws.com/autopilot/direct_marketing/bank-additional.zip.
- อัพโหลด
bank-additional-full.csv
เพื่อ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) บัคเก็ตที่คลัสเตอร์ของคุณเข้าถึงได้ - ใช้ตัวแก้ไขแบบสอบถาม Amazon Redshift และเรียกใช้การสืบค้น SQL ต่อไปนี้เพื่อคัดลอกข้อมูลไปยัง Amazon Redshift:
- ไปที่หน้ารายละเอียดคลัสเตอร์และบน การแชร์ข้อมูล เลือกแท็บ สร้างการแชร์ข้อมูล.
- สำหรับ ชื่อการแชร์ข้อมูล, ป้อนชื่อ
- สำหรับ ชื่อฐานข้อมูล, เลือกฐานข้อมูล
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร เพิ่มวัตถุแชร์ข้อมูล ส่วน เลือกวัตถุจากฐานข้อมูลที่คุณต้องการรวมในการแชร์ข้อมูล
คุณสามารถควบคุมสิ่งที่คุณเลือกที่จะแบ่งปันกับผู้อื่นได้อย่างละเอียด เพื่อความเรียบง่าย เราแบ่งปันตารางทั้งหมด ในทางปฏิบัติ คุณอาจเลือกตาราง มุมมอง หรือฟังก์ชันที่กำหนดโดยผู้ใช้ตั้งแต่หนึ่งรายการขึ้นไป - Choose เพิ่ม.
- ในการเพิ่มผู้ใช้ข้อมูล ให้เลือก เพิ่มบัญชี AWS ไปยัง datashare และเพิ่ม ID บัญชี AWS สำรองของคุณ
- Choose สร้างการแชร์ข้อมูล.
- ในการอนุญาตผู้ใช้ข้อมูลที่คุณเพิ่งสร้างขึ้น ไปที่ การแชร์ข้อมูล บนคอนโซล Amazon Redshift และเลือก datashare ใหม่
- เลือกผู้ใช้ข้อมูลและเลือก อนุญาต.
สถานะผู้บริโภคเปลี่ยนจาก Pending authorization
ไปยัง Authorized
.
เข้าถึงการแชร์ข้อมูลข้ามบัญชีของ Amazon Redshift ในบัญชี AWS ของผู้บริโภค
เมื่อตั้งค่า datashare แล้ว ให้เปลี่ยนไปใช้บัญชี AWS ของผู้บริโภคเพื่อใช้ datashare ตรวจสอบให้แน่ใจว่าคุณมีคลัสเตอร์ Amazon Redshift อย่างน้อยหนึ่งคลัสเตอร์ที่สร้างขึ้นในบัญชีผู้ใช้ทั่วไปของคุณ คลัสเตอร์ต้องได้รับการเข้ารหัสและอยู่ในภูมิภาคเดียวกับต้นทาง
- บนคอนโซล Amazon Redshift ให้เลือก การแชร์ข้อมูล ในบานหน้าต่างนำทาง
- เกี่ยวกับ จากบัญชีอื่น แท็บ เลือก datashare ที่คุณสร้างและเลือก ภาคี.
- คุณสามารถเชื่อมโยง datashare กับคลัสเตอร์ตั้งแต่หนึ่งรายการขึ้นไปในบัญชีนี้ หรือเชื่อมโยง datashare กับทั้งบัญชี เพื่อให้คลัสเตอร์ในปัจจุบันและอนาคตในบัญชีผู้ใช้ทั่วไปสามารถเข้าถึงการแชร์นี้
- ระบุรายละเอียดการเชื่อมต่อของคุณและเลือก เชื่อมต่อ.
- Choose สร้างฐานข้อมูลจาก datashare และป้อนชื่อสำหรับฐานข้อมูลใหม่ของคุณ
- ในการทดสอบ datashare ให้ไปที่ตัวแก้ไขแบบสอบถามและเรียกใช้การสืบค้นกับฐานข้อมูลใหม่เพื่อให้แน่ใจว่าอ็อบเจ็กต์ทั้งหมดพร้อมใช้งานเป็นส่วนหนึ่งของ datashare
วิเคราะห์และประมวลผลข้อมูลด้วย Data Wrangler
ตอนนี้คุณสามารถใช้ Data Wrangler เพื่อเข้าถึงข้อมูลข้ามบัญชีที่สร้างเป็น datashare ใน Amazon Redshift ได้แล้ว
- จุดเปิด สตูดิโอ Amazon SageMaker.
- เกี่ยวกับ เนื้อไม่มีมัน เมนูให้เลือก ใหม่ และ ข้อมูล Wrangler Flow.
- เกี่ยวกับ นำเข้า เลือกแท็บ เพิ่มแหล่งข้อมูล และ อเมซอน Redshift.
- ป้อนรายละเอียดการเชื่อมต่อของคลัสเตอร์ Amazon Redshift ที่คุณเพิ่งสร้างในบัญชีผู้บริโภคสำหรับการแชร์ข้อมูล
- Choose เชื่อมต่อ.
- ใช้ AWS Identity และการจัดการการเข้าถึง บทบาท (IAM) ที่คุณใช้สำหรับคลัสเตอร์ Amazon Redshift
โปรดทราบว่าแม้ว่า datashare จะเป็นฐานข้อมูลใหม่ในคลัสเตอร์ Amazon Redshift คุณไม่สามารถเชื่อมต่อได้โดยตรงจาก Data Wrangler
วิธีที่ถูกต้องคือการเชื่อมต่อกับฐานข้อมูลคลัสเตอร์เริ่มต้นก่อน แล้วจึงใช้ SQL เพื่อสอบถามฐานข้อมูล datashare ระบุข้อมูลที่จำเป็นสำหรับการเชื่อมต่อกับฐานข้อมูลคลัสเตอร์เริ่มต้น สังเกตว่า an บริการจัดการคีย์ AWS ไม่จำเป็นต้องใช้รหัสคีย์ (AWS KMS) เพื่อเชื่อมต่อ
ตอนนี้ Data Wrangler เชื่อมต่อกับอินสแตนซ์ Amazon Redshift แล้ว
- ค้นหาข้อมูลในฐานข้อมูล Amazon Redshift datashare โดยใช้ตัวแก้ไข SQL
- Choose นำเข้า เพื่อนำเข้าชุดข้อมูลไปยัง Data Wrangler
- ป้อนชื่อสำหรับชุดข้อมูลและเลือก เพิ่ม.
ตอนนี้คุณสามารถเห็นการไหลบน การไหลของข้อมูล แท็บของ Data Wrangler
หลังจากที่คุณโหลดข้อมูลลงใน Data Wrangler แล้ว คุณสามารถทำการวิเคราะห์ข้อมูลเชิงสำรวจและเตรียมข้อมูลสำหรับ ML
- เลือกเครื่องหมายบวกแล้วเลือก เพิ่มบทวิเคราะห์.
Data Wrangler ให้การวิเคราะห์ในตัว ซึ่งรวมถึงแต่ไม่จำกัดเฉพาะรายงานคุณภาพข้อมูลและข้อมูลเชิงลึก ความสัมพันธ์ของข้อมูล รายงานอคติก่อนการฝึกอบรม สรุปชุดข้อมูลของคุณ และการแสดงภาพ (เช่น ฮิสโตแกรมและแผนภาพแบบกระจาย) คุณยังสามารถสร้างการแสดงภาพแบบกำหนดเองของคุณเองได้
คุณสามารถใช้รายงานคุณภาพข้อมูลและข้อมูลเชิงลึกเพื่อสร้างการแสดงภาพและการวิเคราะห์โดยอัตโนมัติเพื่อระบุปัญหาด้านคุณภาพของข้อมูล และแนะนำการแปลงที่ถูกต้องที่จำเป็นสำหรับชุดข้อมูลของคุณ
- Choose รายงานคุณภาพข้อมูลและข้อมูลเชิงลึกและเลือกไฟล์ คอลัมน์เป้าหมาย as y.
- เนื่องจากเป็นคำแถลงปัญหาการจำแนกประเภทสำหรับ ประเภทปัญหาให้เลือก การจัดหมวดหมู่.
- Choose สร้างบัญชีตัวแทน.
Data Wrangler สร้างรายงานโดยละเอียดเกี่ยวกับชุดข้อมูลของคุณ คุณยังสามารถดาวน์โหลดรายงานไปยังเครื่องของคุณได้อีกด้วย
- ในการจัดเตรียมข้อมูล ให้เลือกเครื่องหมายบวก แล้วเลือก เพิ่มบทวิเคราะห์.
- Choose เพิ่มขั้นตอน เพื่อเริ่มสร้างการเปลี่ยนแปลงของคุณ
ในขณะที่เขียนบทความนี้ Data Wrangler มีการแปลงในตัวมากกว่า 300 รายการ คุณยังสามารถเขียนการเปลี่ยนแปลงของคุณเองโดยใช้ Pandas หรือ PySpark
ตอนนี้คุณสามารถเริ่มสร้างการเปลี่ยนแปลงและการวิเคราะห์ตามความต้องการทางธุรกิจของคุณได้
สรุป
ในโพสต์นี้ เราได้สำรวจการแชร์ข้อมูลระหว่างบัญชีต่างๆ โดยใช้การแชร์ข้อมูลของ Amazon Redshift โดยไม่ต้องดาวน์โหลดและอัปโหลดข้อมูลด้วยตนเอง เราอธิบายวิธีเข้าถึงข้อมูลที่แชร์โดยใช้ Data Wrangler และเตรียมข้อมูลสำหรับกรณีการใช้งาน ML ของคุณ ความสามารถแบบไม่ต้องใช้โค้ด/โค้ดน้อยของการแชร์ข้อมูลของ Amazon Redshift และ Data Wrangler ช่วยเร่งการเตรียมข้อมูลการฝึกอบรม และเพิ่มความคล่องตัวของวิศวกรข้อมูลและนักวิทยาศาสตร์ด้านข้อมูลด้วยการเตรียมข้อมูลแบบวนซ้ำที่เร็วขึ้น
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ Amazon Redshift และ SageMaker โปรดดูที่ คู่มือนักพัฒนาฐานข้อมูล Amazon Redshift และ เอกสารประกอบ Amazon SageMaker.
เกี่ยวกับผู้เขียน
มีนคชีสันดาราม ทันดาวารายัน เป็นผู้เชี่ยวชาญด้าน AI/ML อาวุโสของ AWS เขาช่วยบัญชีเชิงกลยุทธ์ไฮเทคในการเดินทางของ AI และ ML เขาหลงใหลเกี่ยวกับ AI ที่ขับเคลื่อนด้วยข้อมูลเป็นอย่างมาก
เจมส์ หวู่ เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้าน AI/ML อาวุโสที่ AWS ช่วยลูกค้าออกแบบและสร้างโซลูชัน AI/ML งานของ James ครอบคลุมกรณีการใช้งาน ML ที่หลากหลาย โดยมีความสนใจหลักในด้านการมองเห็นคอมพิวเตอร์ การเรียนรู้เชิงลึก และการปรับขนาด ML ทั่วทั้งองค์กร ก่อนที่จะร่วมงานกับ AWS เจมส์เคยเป็นสถาปนิก นักพัฒนา และผู้นำด้านเทคโนโลยีมานานกว่า 10 ปี รวมถึง 6 ปีในด้านวิศวกรรมและ 4 ปีในอุตสาหกรรมการตลาดและการโฆษณา
- คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
- คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/import-data-from-cross-account-amazon-redshift-in-amazon-sagemaker-data-wrangler-for-exploratory-data-analysis- และ-ข้อมูล-การเตรียมการ/
- "
- &
- 10
- 100
- 11
- 7
- a
- เกี่ยวกับเรา
- เข้า
- สามารถเข้าถึงได้
- ลงชื่อเข้าใช้
- ข้าม
- กิจกรรม
- การโฆษณา
- กับ
- AI
- ทั้งหมด
- ช่วยให้
- อเมซอน
- สหรัฐอเมริกา
- การวิเคราะห์
- อื่น
- การใช้งาน
- สถาปัตยกรรม
- เอเชีย
- ในภูมิภาคเอเชียแปซิฟิก
- ภาคี
- อัตโนมัติ
- ใช้ได้
- AWS
- ธนาคาร
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ชายแดน
- สร้าง
- การก่อสร้าง
- built-in
- ธุรกิจ
- แคลิฟอร์เนีย
- รณรงค์
- แคนาดา
- กรณี
- ส่วนกลาง
- Choose
- การจัดหมวดหมู่
- เมฆ
- สมบูรณ์
- การปฏิบัติตาม
- คอมพิวเตอร์
- เชื่อมต่อ
- งานที่เชื่อมต่อ
- การเชื่อมต่อ
- การเชื่อมต่อ
- คงเส้นคงวา
- ปลอบใจ
- บริโภค
- ผู้บริโภค
- ผู้บริโภค
- ติดต่อเรา
- ควบคุม
- สร้าง
- ที่สร้างขึ้น
- สร้าง
- หนังสือรับรอง
- วัฒนธรรม
- ปัจจุบัน
- ประเพณี
- ลูกค้า
- ข้อมูล
- การวิเคราะห์ข้อมูล
- การแชร์ข้อมูล
- ฐานข้อมูล
- การตัดสินใจ
- ลึก
- ออกแบบ
- รายละเอียด
- รายละเอียด
- ผู้พัฒนา
- ต่าง
- ยาก
- โดยตรง
- โดยตรง
- ดาวน์โหลด
- บรรณาธิการ
- การศึกษา
- โอบกอด
- การเข้ารหัสลับ
- ชั้นเยี่ยม
- วิศวกร
- เข้าสู่
- Enterprise
- ยุโรป
- สำรวจ
- FAST
- เร็วขึ้น
- ลักษณะ
- ชื่อจริง
- ไหล
- ปฏิบัติตาม
- ดังต่อไปนี้
- รูป
- สด
- ราคาเริ่มต้นที่
- ฟังก์ชั่น
- อนาคต
- สร้าง
- การกำกับดูแล
- มี
- การช่วยเหลือ
- จะช่วยให้
- การเคหะ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTTPS
- แยกแยะ
- เอกลักษณ์
- ประกอบด้วย
- รวมทั้ง
- อุตสาหกรรม
- ข้อมูล
- ข้อมูลเชิงลึก
- ตัวอย่าง
- บูรณาการ
- อยากเรียนรู้
- อินเตอร์เฟซ
- ไอร์แลนด์
- ปัญหา
- IT
- การสัมภาษณ์
- งาน
- การร่วม
- การเดินทาง
- เก็บ
- คีย์
- ผู้นำ
- เรียนรู้
- การเรียนรู้
- ถูก จำกัด
- โหลด
- ในประเทศ
- ที่ตั้ง
- ลอนดอน
- เครื่อง
- เรียนรู้เครื่อง
- เก็บรักษา
- ทำ
- ทำให้
- การจัดการ
- การจัดการ
- ด้วยมือ
- การตลาด
- อาจ
- ML
- โมเดล
- เดือน
- ข้อมูลเพิ่มเติม
- การย้าย
- มุมไบ
- การเดินเรือ
- จำนวน
- โอไฮโอ
- ใบสั่ง
- ออริกอน
- องค์กร
- อื่นๆ
- ของตนเอง
- แปซิฟิก
- ปารีส
- ส่วนหนึ่ง
- มีส่วนร่วม
- หลงใหล
- ชำระ
- รูปแบบไฟล์ PDF
- การปฏิบัติ
- เตรียมการ
- ก่อน
- ประถม
- ปัญหา
- กระบวนการ
- ผู้ผลิต
- ให้
- ให้
- คุณภาพ
- พิสัย
- แนะนำ
- ภูมิภาค
- รายงาน
- จำเป็นต้องใช้
- บทบาท
- วิ่ง
- ปลอดภัย
- เดียวกัน
- ปรับ
- นักวิทยาศาสตร์
- รอง
- ปลอดภัย
- ความปลอดภัย
- โซล
- ชุด
- การตั้งค่า
- Share
- ที่ใช้ร่วมกัน
- ใช้งานร่วมกัน
- ลงชื่อ
- ง่าย
- สิงคโปร์
- So
- ของแข็ง
- ทางออก
- โซลูชัน
- ภาคใต้
- ผู้เชี่ยวชาญ
- เริ่มต้น
- คำแถลง
- Status
- การเก็บรักษา
- ยุทธศาสตร์
- ที่สนับสนุน
- สวิตซ์
- ซิดนีย์
- เทคโนโลยี
- ทดสอบ
- พื้นที่
- ที่มา
- ตลอด
- เวลา
- โตเกียว
- ไปทาง
- การฝึกอบรม
- แปลง
- การแปลง
- การแปลง
- us
- ใช้
- virginia
- วิสัยทัศน์
- การสร้างภาพ
- ตะวันตก
- อะไร
- ไม่มี
- งาน
- ขั้นตอนการทำงาน
- การทำงาน
- การเขียน
- ปี
- ของคุณ