“Metin, ses, sosyal medya ve diğer yapılandırılmamış kaynaklarda kilitlenen veriler, onu nasıl kullanacaklarını çözen firmalar için rekabet avantajı sağlayabilir”
Kuruluşların yalnızca %18'i Deloitte'un 2019 araştırması yapılandırılmamış verilerden yararlanabildiğini bildirdi. Verilerin %80 ila %90'ı arasındaki çoğunluğu yapılandırılmamış verilerdir. Bu, nasıl kullanılacağını öğrenebilirlerse işletmelere rekabet avantajı sağlama potansiyeline sahip, henüz kullanılmamış büyük bir kaynaktır. Özellikle verileri sınıflandırmak, etiketlemek veya etiketlemek için çaba gerekiyorsa, bu verilerden içgörü bulmak zor olabilir. Amazon Kavramak özel sınıflandırma bu durumda faydalı olabilir. Amazon Kavramak metindeki değerli öngörüleri ve bağlantıları ortaya çıkarmak için makine öğrenimini kullanan bir doğal dil işleme (NLP) hizmetidir.
Belge kategorizasyonunun veya sınıflandırmasının iş alanlarında önemli faydaları vardır:
- Geliştirilmiş arama ve alma – Belgeleri ilgili konulara veya kategorilere ayırarak kullanıcıların ihtiyaç duydukları belgeleri aramasını ve almasını çok daha kolay hale getirir. Sonuçları daraltmak için belirli kategorilerde arama yapabilirler.
- Bilgi Yönetimi – Belgeleri sistematik bir şekilde sınıflandırmak, bir kuruluşun bilgi tabanını düzenlemeye yardımcı olur. İlgili bilgilerin bulunmasını ve ilgili içerik arasındaki bağlantıları görmeyi kolaylaştırır.
- Kolaylaştırılmış iş akışları – Otomatik belge sıralama, faturaların işlenmesi, müşteri desteği veya mevzuata uygunluk gibi birçok iş sürecinin kolaylaştırılmasına yardımcı olabilir. Belgeler otomatik olarak doğru kişilere veya iş akışlarına yönlendirilebilir.
- Maliyet ve zaman tasarrufu – Manuel belge sınıflandırması yorucu, zaman alıcı ve pahalıdır. Yapay zeka teknikleri bu sıradan görevi üstlenebilir ve binlerce belgeyi kısa sürede çok daha düşük bir maliyetle kategorilere ayırabilir.
- İçgörü oluşturma – Belge kategorilerindeki eğilimleri analiz etmek yararlı iş öngörüleri sağlayabilir. Örneğin, bir ürün kategorisinde müşteri şikayetlerinin artması, çözülmesi gereken bazı sorunlara işaret ediyor olabilir.
- Yönetişim ve politika uygulama – Belge sınıflandırma kurallarının ayarlanması, belgelerin bir kuruluşun politikalarına ve yönetişim standartlarına göre doğru şekilde sınıflandırılmasını sağlamaya yardımcı olur. Bu daha iyi izleme ve denetime olanak sağlar.
- Kişiselleştirilmiş deneyimler – Web sitesi içeriği gibi bağlamlarda, belge sınıflandırması, kullanıcılara gezinme davranışlarından belirlenen ilgi alanlarına ve tercihlerine göre özel içeriğin gösterilmesine olanak tanır. Bu, kullanıcı etkileşimini artırabilir.
Ismarlama bir sınıflandırma makine öğrenimi modeli geliştirmenin karmaşıklığı, birkaçını saymak gerekirse veri kalitesi, algoritma, ölçeklenebilirlik ve alan bilgisi gibi çeşitli yönlere bağlı olarak değişir. Sorunun net bir tanımıyla, temiz ve ilgili verilerle başlamak ve model geliştirmenin farklı aşamalarında kademeli olarak ilerlemek çok önemlidir. Ancak işletmeler, metin belgelerini otomatik olarak kategorilere veya etiketlere göre sınıflandırmak, işe özel gereksinimleri karşılamak ve iş teknolojisi ve belge kategorileriyle eşlemek için Amazon Comprehend özel sınıflandırmasını kullanarak kendi benzersiz makine öğrenimi modellerini oluşturabilir. İnsan etiketleme veya sınıflandırma artık gerekli olmadığından, bu durum işletmelere büyük miktarda zaman, para ve iş gücü tasarrufu sağlayabilir. Tüm eğitim hattını otomatikleştirerek bu süreci basitleştirdik.
Bu çok serili blog yazısının ilk bölümünde, ölçeklenebilir bir eğitim hattının nasıl oluşturulacağını ve Comprehend Özel Sınıflandırma modelleri için eğitim verilerinin nasıl hazırlanacağını öğreneceksiniz. Birkaç tıklamayla AWS hesabınıza dağıtılabilecek özel bir sınıflandırıcı eğitim hattını tanıtacağız. BBC haber veri setini kullanıyoruz ve bir belgenin ait olduğu sınıfı (örneğin siyaset, spor) tanımlamak için bir sınıflandırıcı eğiteceğiz. İşlem hattı, kuruluşunuzun değişikliklere hızlı bir şekilde yanıt vermesini ve her seferinde sıfırdan başlamak zorunda kalmadan yeni modelleri eğitmesini sağlayacaktır. Talebinize göre birden fazla modeli kolaylıkla ölçeklendirebilir ve eğitebilirsiniz.
Önkoşullar
- Etkin bir AWS hesabı (Tıklayın) okuyun yeni bir AWS hesabı oluşturmak için)
- Amazon Comprehend, Amazon S3, Amazon Lambda, Amazon Step Function, Amazon SNS ve Amazon CloudFormation'a erişim
- Aşağıdaki bölümde hazırlanan eğitim verileri (yarı yapı veya metin)
- Genel olarak Python ve Makine Öğrenimi hakkında temel bilgiler
Eğitim verilerini hazırlayın
Bu çözüm şu şekilde girdi alabilir: Metin formatı (örn. CSV) veya yarı yapılandırılmış format (örn. PDF).
Metin girişi
Amazon Kavramak özel sınıflandırma iki modu destekler: çoklu sınıf ve çoklu etiket.
Çoklu sınıf modunda, her belgeye yalnızca bir sınıf atanabilir. Eğitim verileri, dosyanın her satırı tek bir sınıf ve sınıfı gösteren bir belge metni içeren iki sütunlu CSV dosyası olarak hazırlanmalıdır.
Örnek BBC haber veri seti:
Çoklu etiket modunda, her belgeye atanmış en az bir sınıf vardır, ancak daha fazlası da olabilir. Eğitim verileri, dosyanın her satırında bir veya daha fazla sınıf ve eğitim belgesinin metnini içeren iki sütunlu bir CSV dosyası olmalıdır. Her sınıf arasında ayırıcı kullanılarak birden fazla sınıf belirtilmelidir.
Her iki eğitim modu için de CSV dosyasına başlık eklenmemelidir.
Yarı yapılandırılmış giriş
2023'den başlayarak, Amazon Kavramak artık yarı yapılandırılmış belgeler kullanan eğitim modellerini destekliyor. Yarı yapı girişi için eğitim verileri, halihazırda erişiminiz olan bir belge deposundan önceden tanımlanmış belgeler olabilen bir dizi etiketli belgeden oluşur. Aşağıda, eğitim için gereken CSV verilerinin bir ek açıklama dosyası örneği bulunmaktadır (Örnek veri):
Ek açıklamalar CSV dosyası üç sütun içerir: İlk sütun belgenin etiketini içerir, ikinci sütun belge adıdır (yani dosya adı) ve son sütun da belgenin eklemek istediğiniz sayfa numarasıdır. eğitim veri seti. Çoğu durumda, ek açıklamaların CSV dosyası diğer tüm belgelerle aynı klasörde bulunuyorsa, ikinci sütunda belge adını belirtmeniz yeterlidir. Ancak CSV dosyası farklı bir konumda bulunuyorsa ikinci sütunda konumun yolunu belirtmeniz gerekir; örneğin path/to/prefix/document1.pdf
.
Eğitim verilerinizi nasıl hazırlayacağınızla ilgili ayrıntılar için lütfen bkz. okuyun.
Çözüme genel bakış
- Amazon Kavramak eğitim hattı, eğitim verileri (metin girişi için .csv dosyası ve yarı yapı girişi için açıklama .csv dosyası) özel bir Amazon Basit Depolama Hizmetine yüklendiğinde başlar (Amazon S3) Kova.
- An AWS Lambda işlev tarafından çağrılır Amazon S3 bir nesnenin belirtilen yere her yüklenmesinde tetikleyici Amazon S3 AWS Lambda işlevi, yüklenen nesnenin kaynak paketi adını ve anahtar adını alır ve bunu eğitime iletir basamak fonksiyonu iş akışı.
- Eğitim adımı işlevinde, eğitim veri kümesi adını ve nesne anahtarı adını giriş parametreleri olarak aldıktan sonra, açıklandığı gibi bir dizi lambda işlevi olarak özel bir model eğitimi iş akışı başlar:
StartComprehendTraining
: Bu AWS Lambda işlevi birComprehendClassifier
girdi dosyalarının türüne (örn. metin veya yarı yapılandırılmış) bağlı olarak nesneyi seçin ve ardından bir işlemi başlatın. Amazon Kavramak arayarak özel sınıflandırma eğitim görevi create_document_classifier Bir eğitim İşi Amazon Kaynak Adlarını (ARN) döndüren Uygulama Programlama Arayüzü (API). Daha sonra bu işlev, eğitim işinin durumunu aşağıdaki komutu çağırarak kontrol eder: define_document_classifier API'dir. Son olarak, eğitim iş akışının bir sonraki aşamasına çıktı olarak bir eğitim İş ARN'si ve iş durumu döndürür.GetTrainingJobStatus
: Bu AWS Lambda, eğitim işinin iş durumunu her 15 dakikada bir arayarak kontrol eder. define_document_classifier API, eğitim işi durumu Tamamlandı veya Başarısız olarak değişene kadar.GenerateMultiClass
orGenerateMultiLabel
: Seçerseniz Evet Yığını başlatırken performans raporu için bu iki AWS Lambda'dan biri, Amazon Comprehend model çıktılarınıza göre analiz çalıştıracak ve sınıf başına performans analizi oluşturup bunu şuraya kaydedecektir: Amazon S3.GenerateMultiClass
: Girişiniz şu olursa bu AWS Lambda çağrılacaktır: Çoklu Sınıf ve sen seç Evet performans raporu için.GenerateMultiLabel
: Girişiniz şu olursa bu AWS Lambda çağrılacaktır: Çoklu Etiket ve sen seç Evet performans raporu için.
- Eğitim başarıyla tamamlandıktan sonra çözüm aşağıdaki çıktıları üretir:
- Özel Sınıflandırma Modeli: Gelecekteki çıkarım çalışmaları için hesabınızda eğitimli bir model ARN bulunacaktır.
- Karışıklık Matrisi [Opsiyonal]: Bir karışıklık matrisi (
confusion_matrix
.json) kullanıcı tanımlı çıktıda mevcut olacak Amazon S3 Kullanıcı seçimine bağlı olarak yol. - Amazon Basit Bildirim Servisi bildiri [Opsiyonal]: İlk kullanıcı seçimine bağlı olarak abonelere eğitim işi durumu hakkında bir bildirim e-postası gönderilecektir.
Walkthrough
Çözümü başlatmak
İşlem hattınızı dağıtmak için aşağıdaki adımları tamamlayın:
- Klinik Yığını Başlat düğmesi:
- İleri'yi seçin
- Kullanım durumunuza uygun seçeneklerle işlem hattı ayrıntılarını belirtin:
Her yığın ayrıntısına ilişkin bilgiler:
- Yığın adı (Gerekli) – bunun için belirttiğiniz ad AWS CloudFormation yığın. Adın, onu oluşturduğunuz Bölgede benzersiz olması gerekir.
- Q01ClassifierInputBucketName (Gerekli) – Giriş verilerinizi depolamak için Amazon S3 klasör adı. Küresel olarak benzersiz bir ad olmalıdır ve AWS CloudFormation yığını, başlatılırken paketi oluşturmanıza yardımcı olur.
- Q02ClassifierOutputBucketName (Gerekli) – Amazon Comprehend ve işlem hattından gelen çıktıları depolamak için Amazon S3 klasör adı. Aynı zamanda küresel olarak benzersiz bir ad olmalıdır.
- Q03Giriş Formatı – Bir açılır seçim, seçebilirsiniz metin (eğitim verileriniz csv dosyalarıysa) veya yarı yapı (eğitim verileriniz yarı yapılandırılmışsa [örneğin, PDF dosyaları]) veri giriş formatınıza göre.
- Q04Dil – Desteklenen listeden belgelerin dilini seçen bir açılır seçim. Giriş biçiminiz yarı yapılandırılmışsa şu anda yalnızca İngilizce'nin desteklendiğini lütfen unutmayın.
- Q05Çoklu Sınıf – Bir açılır seçim, seçin Evet girişiniz MultiClass modu ise. Aksi halde seçin yok hayır.
- Q06Etiket Sınırlayıcı – Yalnızca Q05MultiClass yanıtınızın şu olması durumunda gereklidir: yok hayır. Bu sınırlayıcı, eğitim verilerinizde her sınıfı ayırmak için kullanılır.
- Q07DoğrulamaVeri Kümesi – Bir açılır seçim, yanıtı şu şekilde değiştirin: Evet Eğitimli sınıflandırıcının performansını kendi test verilerinizle test etmek istiyorsanız.
- Q08S3DoğrulamaYolu – Yalnızca Q07ValidationDataset yanıtınızın şu olması durumunda gereklidir: Evet.
- Q09Performans Raporu – Bir açılır seçim, seçin Evet model eğitimi sonrası sınıf düzeyinde performans raporu oluşturmak istiyorsanız. Rapor, Q02ClassifierOutputBucketName'te belirttiğiniz çıktı grubuna kaydedilecektir.
- Q10E-postaBildirimi – Bir açılır seçim. Seçme Evet Model eğitildikten sonra bildirim almak istiyorsanız.
- Q11E-postaKimliği – Performans raporu bildirimi almak için geçerli e-posta adresini girin. Eğitim tamamlandığında bildirim alabilmeniz için, AWS CloudFormation yığını başlatıldıktan sonra e-postanızdan aboneliğinizi onaylamanız gerektiğini lütfen unutmayın.
- Amazon Yapılandır yığın seçenekleri bölümünde isteğe bağlı etiketleri, izinleri ve diğer gelişmiş ayarları ekleyin.
- Klinik Sonraki
- Yığın ayrıntılarını gözden geçirin ve bunu kabul ediyorum seçeneğini seçin AWS CloudFormation AWS oluşturabilir IAM kaynaklar.
- Klinik Gönder. Bu, AWS hesabınızda işlem hattı dağıtımını başlatır.
- Yığın başarıyla dağıtıldıktan sonra işlem hattını kullanmaya başlayabilirsiniz. Oluşturmak
/training-data
giriş için belirttiğiniz Amazon S3 konumunun altındaki klasör. Not: Amazon S3 farklı bir şifreleme seçeneği belirtmediğiniz sürece her yeni nesne için otomatik olarak sunucu tarafı şifrelemesini (SSE-S3) uygular. Lütfen bakın Amazon S3'te veri koruması veri koruma ve şifreleme hakkında daha fazla ayrıntı için Amazon S3.
- Egzersiz verilerinizi klasöre yükleyin. (Eğitim verileri yarı yapılandırılmışsa .csv formatındaki etiket bilgilerini yüklemeden önce tüm PDF dosyalarını yükleyin).
Sen bittin! İşlem hattınızı başarıyla dağıttınız ve dağıtılan adım işlevinde işlem hattı durumunu kontrol edebilirsiniz. (Amazon Comprehend özel sınıflandırma panelinizde eğitilmiş bir modele sahip olacaksınız).
İçerideki modeli ve versiyonunu seçerseniz Amazon Kavramak Konsol, artık az önce eğittiğiniz model hakkında daha fazla ayrıntı görebilirsiniz. Q05MultiClass seçeneğine karşılık gelen seçtiğiniz Modu, etiket sayısını ve eğitim verilerinizdeki eğitim ve test belgelerinin sayısını içerir. Ayrıca genel performansı aşağıdan da kontrol edebilirsiniz; ancak her sınıfa ilişkin ayrıntılı performansı kontrol etmek istiyorsanız lütfen dağıtılan işlem hattı tarafından oluşturulan Performans Raporuna bakın.
Hizmet kotaları
AWS hesabınızda varsayılan kotalar bulunur Amazon Kavramak ve AmazonText, eğer girdiler yarı yapı biçimindeyse. Hizmet kotalarını görüntülemek için lütfen bkz. okuyun için Amazon Kavramak ve okuyun için AmazonText.
Temizlemek
Devam eden ücretlere maruz kalmamak için işiniz bittiğinde bu çözümün bir parçası olarak oluşturduğunuz kaynakları silin.
- Üzerinde Amazon S3 Konsolda, giriş ve çıkış verileri için oluşturduğunuz paketlerin içindeki içerikleri manuel olarak silin.
- Üzerinde AWS CloudFormation konsol, seç Yığınları Gezinti bölmesinde.
- Ana yığını seçin ve Sil.
Bu, dağıtılan yığını otomatik olarak siler.
- Eğitimli olduğunuz Amazon Kavramak özel sınıflandırma modeli hesabınızda kalacaktır. Artık ihtiyacınız yoksa, Amazon Kavramak konsolda oluşturulan modeli silin.
Sonuç
Bu yazıda size ölçeklenebilir bir eğitim hattı konseptini gösterdik. Amazon Kavramak özel sınıflandırma modelleri ve yeni modellerin verimli bir şekilde eğitilmesi için otomatik bir çözüm sağlanması. AWS CloudFormation Sağlanan şablon, talep ölçeklerine uygun olarak kendi metin sınıflandırma modellerinizi zahmetsizce oluşturmanıza olanak tanır. Çözüm, yakın zamanda duyurulan Euclid özelliğini benimsiyor ve metin veya yarı yapılandırılmış formattaki girdileri kabul ediyor.
Şimdi siz okuyucularımızı bu araçları test etmeye davet ediyoruz. Hakkında daha fazla ayrıntı bulabilirsiniz eğitim verilerinin hazırlanması ve anlayın özel sınıflandırıcı metrikleri. Deneyin ve model eğitim sürecinizi nasıl kolaylaştırabileceğini ve verimliliği nasıl artırabileceğini ilk elden görün. Lütfen görüşlerinizi bizimle paylaşın!
Yazarlar Hakkında
Sandeep Singh AWS Profesyonel Hizmetlerinde Kıdemli Veri Bilimcisidir. Son teknoloji ürünü AI/ML destekli çözümler geliştirerek müşterilerin yenilik yapmalarına ve iş hedeflerine ulaşmalarına yardımcı olma konusunda tutkulu. Kendisi şu anda Üretken Yapay Zeka, Yüksek Lisans, hızlı mühendislik ve Makine Öğrenimini kuruluşlar genelinde ölçeklendirme konularına odaklanmaktadır. Müşteriler için değer yaratmak amacıyla en son yapay zeka gelişmelerini getiriyor.
Yanyan Zhang AWS Profesyonel Hizmetlerinde Enerji Dağıtımı ekibinde Kıdemli Veri Bilimcisidir. Müşterilerin gerçek sorunları AI/ML bilgisiyle çözmelerine yardımcı olma konusunda tutkulu. Son zamanlarda, Üretken Yapay Zeka ve Yüksek Lisans'ın potansiyelini keşfetmeye odaklandı. İş dışında seyahat etmeyi, çalışmayı ve yeni şeyler keşfetmeyi seviyor.
Wrick Talukdar Amazon Comprehend Service ekibinde Kıdemli Mimardır. Makine öğrenimini geniş ölçekte benimsemelerine yardımcı olmak için AWS müşterileriyle birlikte çalışıyor. İş dışında kitap okumaktan ve fotoğraf çekmekten hoşlanıyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. Otomotiv / EV'ler, karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- ChartPrime. Ticaret Oyununuzu ChartPrime ile yükseltin. Buradan Erişin.
- Blok Ofsetleri. Çevre Dengeleme Sahipliğini Modernleştirme. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- :vardır
- :dır-dir
- $UP
- 1
- 100
- 11
- İNDİRİM
- 2023
- 24
- İNDİRİM
- 7
- 9
- a
- Yapabilmek
- Hakkımızda
- Kabul eder
- erişim
- Göre
- Hesap
- Başarmak
- onaylamak
- karşısında
- aktif
- eklemek
- adres
- ele
- benimsemek
- ileri
- gelişmeler
- avantaj
- Sonra
- AI
- AI / ML
- algoritma
- Türkiye
- veriyor
- zaten
- Ayrıca
- Amazon
- Amazon Kavramak
- Amazon Web Servisleri
- an
- analiz
- analiz
- ve
- açıkladı
- cevap
- artık
- api
- Uygulama
- geçerlidir
- ARE
- AS
- yönleri
- atanmış
- At
- ses
- denetleme
- Otomatik
- Otomatik
- otomatik olarak
- ayrıca otomasyonun
- mevcut
- önlemek
- uzakta
- AWS
- AWS CloudFormation
- AWS Lambda
- AWS Profesyonel Hizmetleri
- baz
- merkezli
- bbc
- BE
- olmuştur
- önce
- davranış
- olmak
- aittir
- altında
- faydaları
- ısmarlama
- Daha iyi
- arasında
- Büyük
- Blog
- Getiriyor
- Tarama
- inşa etmek
- iş
- işletmeler
- fakat
- düğmesine tıklayın
- by
- denilen
- çağrı
- CAN
- dava
- durumlarda
- kategoriler
- kategorize etme
- Kategoriler
- değişiklik
- değişiklikler
- yükler
- Kontrol
- Çekler
- Klinik
- seçme
- sınıf
- sınıflar
- sınıflandırma
- sınıflandırılmış
- sınıflandırmak
- açık
- tıklayın
- toplamak
- Sütun
- Sütunlar
- rekabet
- şikayetleri
- tamamlamak
- Tamamlandı
- karmaşıklık
- uyma
- idrak
- oluşur
- kavram
- Onaylamak
- karışıklık
- Bağlantılar
- konsolos
- içeren
- içerik
- içindekiler
- bağlamlar
- tekabül
- Ücret
- olabilir
- yaratmak
- Değer Yarat
- çevrimiçi kurslar düzenliyorlar.
- Oluşturma
- Şu anda
- görenek
- müşteri
- Kullanıcı Desteği
- Müşteriler
- veri
- veri koruma
- veri bilimcisi
- adanmış
- Varsayılan
- tanımlı
- tanımlar
- tanım
- teslim
- deloitte
- Talep
- gösteriyor
- bağlı
- dağıtmak
- konuşlandırılmış
- açılma
- tarif edilen
- ayrıntı
- detaylı
- ayrıntılar
- kararlı
- gelişen
- gelişme
- farklı
- zor
- belge
- evraklar
- Dolar
- domain
- etki
- yapılmış
- Dont
- aşağı
- e
- her
- kolay
- kolayca
- kenar
- verim
- verimli biçimde
- zahmetsizce
- çabaları
- ya
- E-posta
- etkinleştirmek
- teşvik etmek
- şifreleme
- enerji
- nişan
- Mühendislik
- İngilizce
- artırmak
- sağlamak
- Keşfet
- işletmelerin
- gerekli
- AVRUPA
- Her
- örnek
- pahalı
- Keşfetmek
- başarısız
- Özellikler(Hazırlık aşamasında)
- geribesleme
- az
- şekil
- fileto
- dosyalar
- Nihayet
- bulmak
- firmalar
- Ad
- uydurma
- odak
- odaklanmış
- takip etme
- İçin
- biçim
- itibaren
- işlev
- fonksiyonlar
- gelecek
- oluşturmak
- oluşturulan
- üretir
- üretken
- üretken yapay zeka
- Vermek
- Küresel
- yönetim
- kademeli olarak
- Var
- sahip olan
- he
- yardım et
- yardım
- yardımcı olur
- onu
- Ne kadar
- Nasıl Yapılır
- Ancak
- HTML
- HTTPS
- insan
- i
- belirlemek
- if
- in
- dahil
- dahil
- içerir
- Artırmak
- belirtilen
- bilgi
- ilk
- Başlattı
- yenilik yapmak
- giriş
- girişler
- içeride
- anlayışlar
- ilgi alanları
- içine
- tanıtmak
- çağrılan
- sorunlar
- IT
- ONUN
- İş
- jpg
- json
- sadece
- anahtar
- bilgi
- etiket
- Etiketler
- emek
- dil
- büyük
- Soyad
- başlattı
- fırlatma
- ÖĞRENİN
- öğrenme
- en az
- sevmek
- çizgi
- Liste
- Yüksek Lisans
- bulunan
- yer
- kilitli
- uzun
- Çok
- seviyor
- alt
- makine
- makine öğrenme
- yapılmış
- Ana
- çoğunluk
- YAPAR
- Manuel
- el ile
- çok
- harita
- Matris
- Mayıs..
- medya
- Neden
- olabilir
- dakika
- Moda
- model
- modelleri
- modları
- para
- izleme
- Daha
- çoğu
- Dağ
- çok
- çoklu
- şart
- isim
- isimleri
- dar
- Navigasyon
- gerekli
- gerek
- gerekli
- yeni
- haber
- sonraki
- nlp
- yok hayır
- tebliğ
- şimdi
- numara
- nesne
- hedefleri
- of
- on
- ONE
- devam
- bir tek
- seçenek
- Opsiyonlar
- or
- kuruluşlar
- organizasyonlar
- Diğer
- aksi takdirde
- bizim
- dışarı
- çıktı
- dışında
- tekrar
- tüm
- kendi
- Kanal
- bölmesi
- panel
- parametreler
- Bölüm
- özellikle
- geçmek
- tutkulu
- yol
- İnsanlar
- başına
- performans
- izinleri
- fotoğrafçılık
- boru hattı
- Platon
- Plato Veri Zekası
- PlatoVeri
- Lütfen
- politikaları
- politika
- siyaset
- mümkün
- Çivi
- potansiyel
- powered
- tercihleri
- Hazırlamak
- hazırlanmış
- Sorun
- sorunlar
- süreç
- Süreçler
- işleme
- PLATFORM
- profesyonel
- Programlama
- koruma
- sağlamak
- sağlanan
- sağlama
- Python
- kalite
- hızla
- okuyucular
- Okuma
- gerçek
- teslim almak
- alma
- son
- geçenlerde
- başvurmak
- bölge
- düzenleyici
- Yasal Uygunluk
- ilgili
- uygun
- kalmak
- rapor
- Bildirilen
- Depo
- gereklidir
- Yer Alan Kurallar
- kaynak
- Kaynaklar
- Yanıtlamak
- Sonuçlar
- İade
- krallar gibi yaşamaya
- kurallar
- koşmak
- aynı
- İndirim
- kaydedilmiş
- ölçeklenebilirlik
- ölçeklenebilir
- ölçek
- terazi
- ölçekleme
- bilim adamı
- çizik
- Ara
- İkinci
- Bölüm
- görmek
- seçim
- kıdemli
- gönderdi
- ayrı
- Dizi
- hizmet
- Hizmetler
- set
- ayar
- ayarlar
- paylaş
- o
- kısa
- meli
- gösterdi
- gösterilen
- önemli
- belirtmek
- Basit
- tek
- durum
- Sosyal Medya
- sosyal medya
- çözüm
- Çözümler
- ÇÖZMEK
- biraz
- Kaynak
- kaynaklar
- özel
- Belirtilen
- Spor
- yığın
- Aşama
- aşamaları
- standartlar
- başlama
- başlar
- state-of-the-art
- Durum
- adım
- Basamaklar
- hafızası
- mağaza
- kolaylaştırmak
- aboneler
- abone
- Daha sonra
- Başarılı olarak
- böyle
- destek
- destekli
- Destekler
- Anket
- TAG
- ısmarlama
- Bizi daha iyi tanımak için
- Görev
- takım
- teknoloji
- teknikleri
- Teknoloji
- şablon
- test
- metin
- Metin Sınıflandırması
- göre
- o
- The
- Kaynak
- ve bazı Asya
- Onları
- sonra
- Bunlar
- onlar
- işler
- Re-Tweet
- Binlerce
- üç
- İçinden
- zaman
- zaman tükeniyor
- için
- araçlar
- Konular
- Tren
- eğitilmiş
- Eğitim
- Seyahat
- Trendler
- tetikleyebilir
- denemek
- iki
- tip
- ortaya çıkarmak
- altında
- anlamak
- benzersiz
- kullanılmayan
- kadar
- Yüklenen
- Yükleme
- us
- kullanım
- kullanım durumu
- Kullanılmış
- kullanıcı
- kullanıcılar
- kullanım
- kullanma
- Değerli
- değer
- çeşitlilik
- versiyon
- Görüntüle
- istemek
- Yol..
- we
- ağ
- web hizmetleri
- Web sitesi
- ne zaman
- hangi
- süre
- bütün
- irade
- ile
- içinde
- olmadan
- İş
- iş akışı
- iş akışları
- çalışma
- egzersiz yapmak
- çalışır
- Sen
- zefirnet
- zip