The Amazon SageMaker Python SDK'sı makine öğrenimi (ML) modellerini eğitmek ve dağıtmak için kullanılan açık kaynaklı bir kitaplıktır. Amazon Adaçayı Yapıcı. Sağlık ve finans gibi sıkı kontrol edilen sektörlerdeki kurumsal müşteriler, verilerinin şifrelendiğinden ve trafiğin internet üzerinden geçmediğinden emin olmak için güvenlik korkulukları kurar. SageMaker eğitiminin ve makine öğrenimi modellerinin dağıtımının bu korkulukları takip etmesini sağlamak için hesapta kısıtlamalar ayarlamak yaygın bir uygulamadır veya AWS Kuruluşları hizmet kontrol politikaları aracılığıyla seviye ve AWS Kimlik ve Erişim Yönetimi Belirli IAM rollerinin kullanımını zorunlu kılan (IAM) politikaları, Amazon Sanal Özel Bulut (Amazon VPC) yapılandırmaları ve AWS Anahtar Yönetim Hizmeti (AWS KMS) anahtarları. Bu gibi durumlarda veri bilimcileri, alt ağları, güvenlik gruplarını ve KMS anahtarlarını not ederek bu parametreleri ML model eğitimlerine ve dağıtım kodlarına manuel olarak sağlamalıdır. Bu, veri bilimcilerine bu yapılandırmaları belirtmeyi hatırlama, işlerini başarılı bir şekilde yürütme ve Erişim Reddedildi hataları almayı önleme sorumluluğunu yüklüyor.
SageMaker Python SDK sürüm 2.148.0'dan itibaren artık IAM rolleri, VPC'ler ve KMS anahtarları gibi parametreler için varsayılan değerleri yapılandırabilirsiniz. Yöneticiler ve son kullanıcılar, AWS altyapısı temel öğelerini, YAML biçimindeki bir yapılandırma dosyasında belirtilen varsayılanlarla başlatabilir. Yapılandırıldıktan sonra Python SDK, bu değerleri otomatik olarak devralır ve bunları aşağıdakiler gibi temel SageMaker API çağrılarına yayar: CreateProcessingJob()
, CreateTrainingJob()
, ve CreateEndpointConfig()
hiçbir ek eyleme gerek kalmadan. SDK ayrıca birden fazla yapılandırma dosyasını da destekleyerek yöneticilerin tüm kullanıcılar için bir yapılandırma dosyası ayarlamasına olanak tanır ve kullanıcılar, içinde saklanabilecek kullanıcı düzeyindeki bir yapılandırma yoluyla bu dosyayı geçersiz kılabilir. Amazon Basit Depolama Hizmeti (Amazon S3), Amazon Elastik Dosya Sistemi (Amazon EFS) için Amazon SageMaker Stüdyosuveya kullanıcının yerel dosya sistemi.
Bu yazıda size Studio'da varsayılan yapılandırma dosyasını nasıl oluşturup saklayacağınızı ve SageMaker kaynaklarınızı oluşturmak için SDK varsayılanları özelliğini nasıl kullanacağınızı göstereceğiz.
Çözüme genel bakış
Bu yeni özelliği uçtan uca bir sunumla gösteriyoruz. AWS CloudFormation gerekli altyapıyı oluşturan ve dağıtılan VPC'de bir Studio alanı oluşturan şablon. Ayrıca eğitim ve iş işlemede kullanılan birimlerin şifrelenmesi için KMS anahtarları oluşturuyoruz. Adımlar aşağıdaki gibidir:
- Hesabınızda CloudFormation yığınını başlatın. Alternatif olarak, bu özelliği mevcut bir SageMaker etki alanında veya not defterinde keşfetmek istiyorsanız bu adımı atlayın.
- Doldurun
config.yaml
dosyasını açın ve dosyayı varsayılan konuma kaydedin. - Veri işleme, model eğitimi ve çıkarım dahil olmak üzere uçtan uca makine öğrenimi kullanım senaryosunu içeren örnek bir not defteri çalıştırın.
- Varsayılan yapılandırma değerlerini geçersiz kılın.
Önkoşullar
Başlamadan önce bir AWS hesabınız ve yönetici ayrıcalıklarına sahip bir IAM kullanıcınız veya rolünüz olduğundan emin olun. Halihazırda altyapı parametrelerini not defterinizdeki kaynaklara aktaran bir veri bilimciyseniz, ortamınızı ayarlamanın bir sonraki adımını atlayabilir ve yapılandırma dosyasını oluşturmaya başlayabilirsiniz.
Bu özelliği kullanmak için SageMaker SDK sürümünüzü çalıştırarak yükselttiğinizden emin olun. pip install --upgrade sagemaker
.
ortamı kurun
Ağ iletişimi ve Studio alanı da dahil olmak üzere eksiksiz bir altyapı dağıtmak için aşağıdaki adımları tamamlayın:
- klonlamak GitHub deposu.
- AWS hesabınızda oturum açın ve AWS CloudFormation konsolunu açın.
- Ağ kaynaklarını dağıtmak için şunu seçin: Yığın oluştur.
- Şablonu aşağıya yükleyin
setup/vpc_mode/01_networking.yaml
. - Yığın için bir ad girin (örneğin,
networking-stack
) ve yığını oluşturmak için kalan adımları tamamlayın. - Studio alanını dağıtmak için şunu seçin: Yığın oluştur tekrar.
- Şablonu aşağıya yükleyin
setup/vpc_mode/02_sagemaker_studio.yaml
. - Yığın için bir ad girin (örneğin,
sagemaker-stack
) ve istendiğinde ağ yığınının adını sağlayın.CoreNetworkingStackName
parametre. - Kalan adımlarla devam edin, IAM kaynakları için onayları seçin ve yığını oluşturun.
Her iki yığının durumu şu şekilde güncellendiğinde: CREATE_COMPLETE, bir sonraki adıma geçin.
Yapılandırma dosyasını oluşturun
SageMaker Python SDK'nın varsayılan yapılandırmasını kullanmak için SDK'nın beklediği formatta bir config.yaml dosyası oluşturursunuz. Config.yaml dosyasının biçimi için bkz. Yapılandırma dosyası yapısı. Studio not defterleri, SageMaker not defteri örnekleri veya yerel IDE'niz gibi çalışma ortamınıza bağlı olarak, yapılandırma dosyasını varsayılan konuma kaydedebilir veya bir yapılandırma dosyası konumu ileterek varsayılanları geçersiz kılabilirsiniz. Diğer ortamlara ilişkin varsayılan konumlar için bkz. Yapılandırma dosyası konumları. Aşağıdaki adımlar Studio dizüstü bilgisayar ortamının kurulumunu göstermektedir.
Kolayca oluşturmak için config.yaml
dosyasında, Studio sistem terminalinizde aşağıdaki hücreleri çalıştırın ve yer tutucuları önceki adımdaki CloudFormation yığın adlarıyla değiştirin:
Bu komut dosyası, yer tutucuları altyapı varsayılanlarıyla değiştirerek YAML dosyasını otomatik olarak doldurur ve dosyayı giriş klasörüne kaydeder. Daha sonra dosyayı Studio not defterleri için varsayılan konuma kopyalar. Ortaya çıkan yapılandırma dosyası aşağıdaki formata benzer görünmelidir:
Mevcut bir etki alanınız ve ağ yapılandırmanız kuruluysa, config.yaml
gerekli formatta dosyalayın ve bunu Studio not defterleri için varsayılan konuma kaydedin.
Bu varsayılanların, uygun SageMaker SDK çağrıları için yapılandırma değerlerini otomatik olarak doldurduğunu ve kullanıcıyı belirli bir VPC'ye, alt ağa veya role zorlamadığını unutmayın. Yönetici olarak kullanıcılarınızın belirli bir yapılandırmayı veya rolü kullanmasını istiyorsanız şunu kullanın: IAM durum anahtarları Varsayılan değerleri uygulamak için.
Ayrıca her API çağrısının kendi yapılandırmaları olabilir. Örneğin, önceki yapılandırma dosyası örneğinde şunları belirtebilirsiniz: vpc-a
ve subnet-a
eğitim işleri için ve belirtin vpc-b
ve subnet-c
, subnet-d
işleri işlemek için.
Örnek not defterini çalıştırın
Artık yapılandırma dosyasını ayarladığınıza göre, çoğu SDK işlevi için ağ oluşturma ve şifreleme parametrelerini açıkça ayarlamanıza gerek kalmadan model oluşturma ve eğitim not defterlerinizi her zamanki gibi çalıştırmaya başlayabilirsiniz. Görmek Desteklenen API'ler ve parametreler desteklenen API çağrılarının ve parametrelerinin tam listesi için.
Studio'da gezinme bölmesindeki Dosya Gezgini simgesini seçin ve açın. 03_feature_engineering/03_feature_engineering.ipynb
, aşağıdaki ekran görüntüsünde gösterildiği gibi.
Dizüstü bilgisayar hücrelerini birer birer çalıştırın ve herhangi bir ek yapılandırma belirtmediğinizi fark edin. İşlemci nesnesini oluşturduğunuzda aşağıdaki örnekteki gibi hücre çıktılarını göreceksiniz.
Çıktıda görebileceğiniz gibi, kullanıcıdan herhangi bir ek girdiye gerek kalmadan, varsayılan yapılandırma işleme işine otomatik olarak uygulanır.
İşlemciyi çalıştırmak için bir sonraki hücreyi çalıştırdığınızda, işi SageMaker konsolunda görüntüleyerek varsayılanların ayarlandığını da doğrulayabilirsiniz. Seçmek İşleme işleri altında İşlemde Aşağıdaki ekran görüntüsünde gösterildiği gibi gezinme bölmesinde.
Ön eki içeren işleme işini seçin end-to-end-ml-sm-proc
ve zaten yapılandırılmış olan ağ ve şifrelemeyi görüntüleyebilmelisiniz.
Modeli eğitmek ve dağıtmak için kalan not defterlerini çalıştırmaya devam edebilirsiniz; hem eğitim işleri hem de modeller için altyapı varsayılanlarının otomatik olarak uygulandığını fark edeceksiniz.
Varsayılan yapılandırma dosyasını geçersiz kıl
Kullanıcının, örneğin genel internet erişimini denemek veya alt ağda IP adresi kalmaması durumunda ağ yapılandırmasını güncellemek için varsayılan yapılandırmayı geçersiz kılması gereken durumlar olabilir. Bu gibi durumlarda Python SDK, yapılandırma dosyası için yerel depolamada özel bir konum sağlamanıza da olanak tanır veya Amazon S3'te bir konumu işaret edebilirsiniz. Bu bölümde bir örneği inceliyoruz.
Açın user-configs.yaml
ana dizininizdeki dosyayı güncelleyin EnableNetworkIsolation
değer True
Altında TrainingJob
Bölüm.
Şimdi aynı not defterini açın ve aşağıdaki hücreyi not defterinin başına ekleyin:
Bu hücreyle yapılandırma dosyasının konumunu SDK'ya yönlendirirsiniz. Artık işlemci nesnesini oluşturduğunuzda, ağ izolasyonunu etkinleştirmek için varsayılan yapılandırmanın geçersiz kılındığını ve işlem işinin ağ izolasyon modunda başarısız olacağını fark edeceksiniz.
VSCode gibi yerel ortamınızı kullanıyorsanız, yapılandırma dosyasının konumunu ayarlamak için aynı geçersiz kılma ortam değişkenini kullanabilirsiniz.
Varsayılanları hata ayıklama ve alma
Dizüstü bilgisayarınızdan API çağrıları çalıştırırken herhangi bir hatayla karşılaşırsanız hızlı sorun giderme için hücre çıkışı, önceki bölümde gösterildiği gibi uygulanan varsayılan yapılandırmaları görüntüler. Varsayılan yapılandırma dosyasından iletilen öznitelik değerlerini görüntülemek üzere oluşturulan Boto3 çağrısını tam olarak görüntülemek için Boto3 günlüğünü açarak hata ayıklayabilirsiniz. Günlüğe kaydetmeyi açmak için not defterinin üst kısmındaki aşağıdaki hücreyi çalıştırın:
Sonraki Boto3 çağrıları, günlükteki gövde bölümünde görülebilecek şekilde tam istekle birlikte günlüğe kaydedilecektir.
Ayrıca, varsayılan konfigürasyonların koleksiyonunu kullanarak da görüntüleyebilirsiniz. session.sagemaker_config
değeri aşağıdaki örnekte gösterildiği gibidir.
Son olarak, SageMaker kaynaklarınızı oluşturmak için Boto3 kullanıyorsanız, varsayılan yapılandırma değerlerini sagemaker_config
değişken. Örneğin, işleme işini çalıştırmak için 03_feature_engineering.ipynb
Boto3'ü kullanarak aşağıdaki hücrenin içeriğini aynı not defterine girip hücreyi çalıştırabilirsiniz:
Yapılandırma dosyası oluşturmayı otomatikleştirin
Yöneticiler için, yapılandırma dosyasını oluşturmak ve dosyayı her SageMaker dizüstü bilgisayar örneğine veya Studio kullanıcı profiline kaydetmek zorunda kalmak göz korkutucu bir görev olabilir. Kullanıcıların varsayılan S3 konumunda depolanan ortak bir dosyayı kullanmasını önerebilmenize rağmen, bu, veri bilimcilerin üzerine geçersiz kılmayı belirtme konusunda ek yük getirir.
Yöneticiler bunu otomatikleştirmek için SageMaker Yaşam Döngüsü Yapılandırmalarını (LCC) kullanabilir. Studio kullanıcı profilleri veya not defteri örnekleri için, aşağıdaki örnek LCC komut dosyasını kullanıcının varsayılan Jupyter Sunucu uygulaması için varsayılan LCC olarak ekleyebilirsiniz:
Yerimizi Amazon SageMaker Studio için Yaşam Döngüsü Yapılandırmalarını Kullanın or Bir Not Defteri Kurulumunu Özelleştirin Varsayılan bir yaşam döngüsü komut dosyası oluşturma ve ayarlama talimatları için.
Temizlemek
Bu özelliği denemeyi tamamladığınızda ek maliyet ödemekten kaçınmak için kaynaklarınızı temizleyin. Bu gönderide belirtildiği gibi yeni kaynaklar sağladıysanız kaynaklarınızı temizlemek için aşağıdaki adımları tamamlayın:
- Kullanıcı profili için Studio uygulamalarınızı kapatın. Görmek SageMaker Studio ve Studio Uygulamalarını Kapatın ve Güncelleyin talimatlar için. Yığını silmeden önce tüm uygulamaların silindiğinden emin olun.
- Studio alanı için oluşturulan EFS birimini silin. Etki alanına eklenen EFS birimini bir kullanarak görüntüleyebilirsiniz. Etki Alanını Tanımla API çağrısı.
- Studio etki alanı yığınını silin.
- Studio alanı için oluşturulan güvenlik gruplarını silin. Bunları şurada bulabilirsiniz: Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2) konsolu, gelen nfs-d-xxx için güvenlik grubu ve giden nfs-d-xxx için güvenlik grubu adlarıyla
- Ağ yığınını silin.
Sonuç
Bu yazıda, SageMaker Python SDK'yı kullanarak temel altyapı parametreleri için varsayılan değerleri yapılandırmayı ve kullanmayı tartıştık. Bu, yöneticilerin veri bilimcileri için varsayılan yapılandırmaları ayarlamasına olanak tanır, böylece kullanıcılar ve yöneticiler için zaman tasarrufu sağlar, parametreleri tekrar tekrar belirleme yükünü ortadan kaldırır ve sonuçta daha yalın ve daha yönetilebilir kod elde edilir. Desteklenen parametrelerin ve API'lerin tam listesi için bkz. SageMaker Python SDK ile varsayılanları yapılandırma ve kullanma. Her türlü soru ve tartışma için Makine Öğrenimi ve Yapay Zeka topluluğu.
Yazarlar Hakkında
Giuseppe Angelo Porcelli Amazon Web Servisleri için Baş Makine Öğrenimi Uzmanı Çözüm Mimarıdır. Birkaç yıllık yazılım mühendisliği ve makine öğrenimi geçmişiyle, her büyüklükteki müşteriyle iş ve teknik ihtiyaçlarını derinlemesine anlamak ve AWS Cloud ve Amazon Machine Learning yığınından en iyi şekilde yararlanan Yapay Zeka ve Makine Öğrenimi çözümleri tasarlamak için çalışır. MLOps, Computer Vision, NLP dahil olmak üzere farklı alanlarda ve çok çeşitli AWS hizmetlerini içeren projelerde çalıştı. Giuseppe boş zamanlarında futbol oynamayı sever.
Bruno Piston Milano merkezli AWS için AI/ML Uzman Çözüm Mimarıdır. Her büyüklükteki müşteriyle birlikte çalışarak onların teknik ihtiyaçlarını derinlemesine anlamalarına ve AWS Cloud ile Amazon Machine Learning yığınından en iyi şekilde yararlanan yapay zeka ve Makine Öğrenimi çözümleri tasarlamalarına yardımcı oluyor. Uzmanlık alanları uçtan uca Makine Öğrenimi, Makine Öğreniminin Endüstrileşmesi ve MLOps'tur. Arkadaşlarıyla vakit geçirmekten, yeni yerler keşfetmekten ve yeni yerlere seyahat etmekten hoşlanıyor.
Durga Suri Amazon SageMaker Service SA ekibinde yer alan bir Makine Öğrenimi Çözümleri Mimarıdır. Makine öğrenimini herkes için erişilebilir hale getirme konusunda tutkulu. AWS'de geçirdiği 4 yılda, kurumsal müşteriler için AI/ML platformlarının kurulmasına yardımcı oldu. Çalışmadığı zamanlarda 5 yaşındaki husky ile motosiklet gezintilerini, gizemli romanları ve uzun yürüyüşleri seviyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
- Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
- PREIPO® ile PRE-IPO Şirketlerinde Hisse Al ve Sat. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/configure-and-use-defaults-for-amazon-sagemaker-resources-with-the-sagemaker-python-sdk/
- :vardır
- :dır-dir
- :olumsuzluk
- :Neresi
- $UP
- 1
- 10
- 100
- 20
- 30
- 60
- 7
- 9
- a
- Yapabilmek
- Hakkımızda
- erişim
- ulaşılabilir
- Hesap
- eylemler
- eklemek
- ilave
- Ek
- adresleri
- yöneticiler
- tekrar
- AI
- AI / ML
- Türkiye
- Izin
- veriyor
- zaten
- Ayrıca
- Rağmen
- Amazon
- Amazon EC2
- Amazon Makine Öğrenimi
- Amazon Adaçayı Yapıcı
- Amazon Web Servisleri
- an
- ve
- herhangi
- api
- API'ler
- uygulamayı yükleyeceğiz
- uygulamalı
- uygun
- uygulamalar
- ARE
- AS
- At
- iliştirmek
- otomatikleştirmek
- otomatik olarak
- önlemek
- AWS
- AWS CloudFormation
- arka fon
- merkezli
- BE
- olmuştur
- önce
- Başlangıç
- İYİ
- vücut
- her ikisi de
- geniş
- bina
- yük
- iş
- by
- çağrı
- aramalar
- CAN
- dava
- durumlarda
- CD
- Hücreler
- Klinik
- müşteri
- bulut
- kod
- Toplamak
- ortak
- tamamlamak
- hesaplamak
- bilgisayar
- Bilgisayar görüşü
- koşul
- yapılandırma
- konsolos
- içindekiler
- devam etmek
- kontrol
- kontrollü
- maliyetler
- olabilir
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- oluşturur
- Oluşturma
- Şu anda
- görenek
- Müşteriler
- veri
- veri işleme
- veri bilimcisi
- Varsayılan
- varsayılan
- göstermek
- bağlı
- dağıtmak
- konuşlandırılmış
- dağıtma
- açılma
- Dizayn
- Destinasyon
- farklı
- tartışılan
- tartışmalar
- görüntüler
- Değil
- domain
- etki
- yapılmış
- Dont
- aşağı
- her
- kolayca
- kaçırmak
- ya
- ortadan
- etkinleştirmek
- şifreli
- şifreleme
- son
- son uca
- Son nokta
- uygulamak
- Mühendislik
- sağlamak
- Keşfet
- kuruluş
- çevre
- ortamları
- Hatalar
- herkes
- örnek
- mevcut
- beklediğini
- deneme
- Uzmanlık
- keşfetmek
- kâşif
- Keşfetmek
- FAIL
- yanlış
- Özellikler(Hazırlık aşamasında)
- alan
- fileto
- dosyalar
- maliye
- bulmak
- takip et
- takip etme
- şu
- futbol
- İçin
- biçim
- Ücretsiz
- arkadaşlar
- itibaren
- tam
- fonksiyonlar
- almak
- alma
- Git
- Grubun
- Var
- sahip olan
- he
- sağlık
- yardım
- yardım
- onu
- onun
- Ana Sayfa
- Ne kadar
- Nasıl Yapılır
- HTML
- http
- HTTPS
- ICON
- Kimlik
- if
- ithalat
- in
- Dahil olmak üzere
- Endüstri
- Altyapı
- giriş
- kurmak
- örnek
- talimatlar
- arayüzey
- Internet
- internet erişimi
- içine
- içeren
- IP
- IP adresleri
- izolasyon
- IT
- ONUN
- İş
- Mesleki Öğretiler
- kaydol
- jpg
- anahtar
- anahtarlar
- büyük
- öğrenme
- seviye
- Kütüphane
- yaşam döngüsü
- sevmek
- Liste
- yerel
- yer
- yerleri
- log
- giriş
- günlüğü
- Uzun
- Bakın
- seviyor
- makine
- makine öğrenme
- yapmak
- Yapımı
- yönetim
- el ile
- MILAN
- ML
- MLO'lar
- Moda
- model
- modelleri
- Daha
- çoğu
- motosiklet
- çoklu
- Gizem
- isim
- isimleri
- Navigasyon
- gerek
- gerekli
- gerek
- ihtiyaçlar
- ağ
- ağ
- yeni
- sonraki
- nlp
- yok hayır
- defter
- Fark etme..
- belirterek
- şimdi
- nesne
- of
- on
- bir Zamanlar
- ONE
- açık
- açık kaynak
- or
- OS
- Diğer
- dışarı
- çıktı
- geçersiz kılma
- kendi
- bölmesi
- parametre
- parametreler
- geçti
- Geçen
- tutkulu
- ödeme yapan
- Yerler
- Platformlar
- Platon
- Plato Veri Zekası
- PlatoVeri
- oynama
- Nokta
- politikaları
- Çivi
- uygulama
- önceki
- Anapara
- özel
- ayrıcalıklar
- işleme
- İşlemci
- Profil
- Profiller
- Projeler
- sağlamak
- halka açık
- koyar
- Python
- Sorular
- Hızlı
- tavsiye etmek
- kalan
- hatırlamak
- talep
- gereklidir
- Kaynaklar
- yanıt
- kısıtlamaları
- Ortaya çıkan
- Rol
- rolleri
- koşmak
- koşu
- s
- SA
- sagemaker
- aynı
- İndirim
- tasarruf
- bilim adamı
- bilim adamları
- sdk
- Bölüm
- güvenlik
- görmek
- hizmet
- Hizmetler
- Oturum
- set
- ayar
- kurulum
- birkaç
- o
- meli
- şov
- vitrin
- gösterilen
- benzer
- Basit
- sadece
- beden
- Yazılım
- yazılım Mühendisliği
- Çözümler
- bir şey
- uzman
- özel
- Belirtilen
- Harcama
- yığın
- Yığınları
- başlama
- başladı
- Durum
- adım
- Basamaklar
- hafızası
- mağaza
- saklı
- stüdyo
- alt
- altağlar
- sonraki
- Başarılı olarak
- böyle
- destekli
- Destekler
- sistem
- Görev
- takım
- Teknik
- şablon
- terminal
- o
- The
- ve bazı Asya
- Onları
- sonra
- böylece
- Bunlar
- Re-Tweet
- İçinden
- sıkıca
- zaman
- için
- üst
- trafik
- Tren
- Eğitim
- DÖNÜŞ
- Dönüş
- altında
- altında yatan
- anlamak
- Güncelleme
- yükseltmek
- kullanım
- kullanım
- kullanım durumu
- Kullanılmış
- kullanıcı
- kullanıcılar
- kullanma
- değer
- Değerler
- doğrulamak
- versiyon
- üzerinden
- Görüntüle
- görüntüleme
- Sanal
- gözle görülür
- vizyonumuz
- hacim
- hacimleri
- istemek
- we
- ağ
- web hizmetleri
- İYİ
- ne zaman
- irade
- ile
- olmadan
- İş
- işlenmiş
- çalışma
- çalışır
- tatlım
- yıl
- Sen
- zefirnet