İş eğilimlerini, müşteri davranışını, satış gelirini, talep artışını ve alıcı eğilimini anlamak, tümü verilerle başlar. Verilerdeki eğilimleri keşfetmek, analiz etmek, yorumlamak ve bulmak, işletmelerin başarılı sonuçlar elde etmesi için çok önemlidir.
İş analistleri, iş metriklerinin görselleştirilmesi ve gelecekteki olayların tahmini gibi faaliyetler aracılığıyla veriye dayalı iş kararlarını kolaylaştırmada çok önemli bir rol oynar. Bu analistlere basit analiz için makine öğrenimi (ML) gibi teknolojilerle desteklenen bir görsel iş zekası (BI) aracı sağlanarak hızlı yineleme ve daha hızlı değer elde etme süresi elde edilebilir.
Amazon QuickSight verilerinize bağlanmayı, etkileşimli panolar ve raporlar oluşturmayı ve bunları QuickSight içinde veya uygulamanıza ya da web sitenize gömülü olarak on binlerce kullanıcıyla paylaşmayı kolaylaştıran, tamamen yönetilen, bulutta yerel bir BI hizmetidir. Amazon SageMaker Tuval iş analistlerinin herhangi bir ML deneyimi gerektirmeden veya tek satır kod yazmak zorunda kalmadan kendi başlarına doğru ML tahminleri üretmelerini sağlayan görsel bir arayüzdür.
Bu gönderide, tahminleri açık bir şekilde indirmeden ve QuickSight'a aktarmadan, Canvas'tan ML tabanlı tahminleri kullanarak QuickSight'ta tahmine dayalı panoları nasıl yayınlayabileceğinizi gösteriyoruz. Bu çözüm, Canvas'tan QuickSight'a tahminler göndermenize yardımcı olacak ve etkili iş sonuçları elde etmek için makine öğrenimini kullanarak hızlandırılmış karar verme olanağı sağlayacaktır.
Çözüme genel bakış
Aşağıdaki bölümlerde, yöneticilerin kullanıcıları Canvas'tan QuickSight'a sorunsuz bir şekilde yönlendirmek için doğru izinleri yapılandırmasına yardımcı olacak adımları ele alıyoruz. Ardından, bir modelin nasıl oluşturulacağını ve tahminlerin nasıl çalıştırılacağını ayrıntılarıyla anlatacağız ve iş analisti deneyimini göstereceğiz.
Önkoşullar
Bu çözümü uygulamak için aşağıdaki ön koşullar gereklidir:
Canvas ile aynı QuickSight Bölgesini kullandığınızdan emin olun. QuickSight konsolundaki profil simgesinden gezinerek Bölgeyi değiştirebilirsiniz.
yönetici kurulumu
Bu bölümde, IAM kaynaklarını kurmaya, verileri hazırlamaya, verileri eğitim veri kümesiyle eğitmeye ve doğrulama veri kümesini çıkarsamaya yönelik adımları ayrıntılarıyla açıklıyoruz. Daha sonra, daha fazla analiz için verileri QuickSight'a göndeririz.
QuickSight erişimi için yeni bir IAM politikası oluşturun
Bir IAM politikası oluşturmak için aşağıdaki adımları tamamlayın:
- IAM konsolunda, Politikaları Gezinti bölmesinde.
- Klinik Politika oluştur.
- Üzerinde JSON sekmesinde, aşağıdaki izin politikasını düzenleyiciye girin:
IAM politika diliyle ilgili ayrıntılar için bkz. IAM JSON politika referansı.
- Klinik Sonraki: Etiketler.
- Etiketleri anahtar/değer çiftleri olarak ekleyerek ilkeye meta veriler ekleyebilir, ardından Sonraki: İnceleme.
IAM'de etiketleri kullanma hakkında daha fazla bilgi için bkz. IAM kaynaklarını etiketleme.
- Üzerinde İnceleme politikası sayfasında bir ad girin (örneğin,
canvas-quicksight-access-policy
) ve politikanın isteğe bağlı bir açıklaması. - Gözden Özet İlkeniz tarafından verilen izinleri görmek için bölüm.
- Klinik Politika oluştur işinizi kurtarmak için.
Bir ilke oluşturduktan sonra, kullanıcılarınıza QuickSight'ta toplu tahminler göndermek için gerekli izinleri veren yürütme rolünüze ekleyebilirsiniz.
Politikayı Studio yürütme rolünüze ekleyin
Politikayı Studio yürütme rolünüze eklemek için aşağıdaki adımları tamamlayın:
- SageMaker konsolunda, Alanlar Gezinti bölmesinde.
- Etki alanınızı seçin.
- Klinik Etki alanı ayarları.
- Altındaki rol adını kopyalayın Yürütme rolü.
- IAM konsolunda, Roller Gezinti bölmesinde.
- Arama çubuğuna kopyaladığınız yürütme rolünü girin, ardından rolü seçin.
- Kullanıcının rolü sayfasında şuraya gidin: İzin politikaları Bölüm.
- Üzerinde İzin ekle menü seç Politikaları ekleyin.
- Önceden oluşturulmuş politikayı arayın (
canvas-quicksight-access-policy
), seçin ve seçin İzin ekle.
Artık, yürütme rolünüze eklenmiş, kullanıcılarınıza QuickSight'ta toplu tahminler göndermek için gerekli izinleri veren bir IAM politikanız var.
Veri kümelerini indirin
Modeli eğitmek ve tahminleri yapmak için kullandığımız veri setlerini indirelim:
Bir model oluşturun ve tahminleri çalıştırın
Bu bölümde, kredi veri kümesi üzerinde nasıl bir model oluşturabileceğimizi ve tahminleri nasıl yürütebileceğimizi ele alıyoruz. Ardından, işle ilgili içgörüler elde etmek için verileri QuickSight panosuna göndeririz.
Tuvali Başlat
Canvas'ı başlatmak için aşağıdaki adımları tamamlayın:
- SageMaker konsolunda, Alanlar Gezinti bölmesinde.
- Etki alanınızı seçin.
- Üzerinde Başlatmak menü seç Tuval.
Eğitim ve doğrulama veri kümelerini yükleyin
Veri kümelerinizi Canvas'a yüklemek için aşağıdaki adımları tamamlayın:
- Canvas ana sayfasında, Veri Setleri.
- Klinik Tarihleri içe aktar, sonra yükle
lending_club_loan_data_train.csv
velending_club_loan_data_test.csv
. - Klinik Kaydet kapat, Daha sonra seçmek Tarihleri içe aktar.
Şimdi yeni model oluşturalım.
- Klinik modellerim Gezinti bölmesinde.
- Klinik Yeni model.
- Modelinize bir ad girin (
Loan_Prediction
) ve Seç oluşturmak.
İlk kez bir Kanvas modeli oluşturuyorsanız, ilk modelinizi dört basit adımda nasıl oluşturacağınıza ilişkin bilgilendirici bir açılır pencereyle karşılanacaksınız. Bunu baştan sona okuyabilir, ardından bu kılavuza geri dönebilirsiniz.
- Model görünümünde, seç sekmesine gidin,
lending_club_loan_data_train
Veri kümesi.
Bu veri kümesinde 18 sütun ve 32,000 satır vardır.
- Klinik Veri kümesini seçin.
- Üzerinde İnşa etmek sekmesi, bizim durumumuzda hedef sütunu seçin
loan_status
.
Canvas, bunun bir 3+ kategori tahmini sorun (olarak da bilinir) çok sınıflı sınıflandırma).
- Başka bir model türü algılanırsa, seçerek manuel olarak değiştirin. Türünü değiştir.
- Klinik Hızlı inşaSeçin ve Hızlı derlemeye başla açılır.
Ayrıca seçebilirsiniz Standart yapı, en iyi modeli önermeden önce birden çok model oluşturarak eksiksiz AutoML döngüsünden geçer.
Şimdi modeliniz inşa ediliyor. Hızlı oluşturma genellikle 2-15 dakika sürer.
Model oluşturulduktan sonra, model durumunu ekranda bulabilirsiniz. Çözümlemek sekmesi.
Model ile tahminler yapın
Modeli kurup eğittikten sonra, bu model üzerinde tahminler üretebiliriz.
- Klinik Tahmin üzerinde Çözümlemek sekmesini seçin veya Tahmin sekmesi.
- Seçerek tek bir tahmin çalıştırın Tek tahmin ve girişlerin sağlanması.
Credit_status tahminini sayfanın sağ tarafında göreceksiniz. Tahmini seçerek kopyalayabilirsiniz. kopyaveya seçerek indirin tahmini indir. Bu, ne olursa olsun senaryoları oluşturmak ve farklı sütunların modelimizin tahminlerini nasıl etkilediğini test etmek için idealdir.
- Toplu tahminleri çalıştırmak için Toplu tahmin.
Bu, tüm veri kümesi için tahminler yapmak istediğinizde en iyisidir. Girdi veri kümenizle eşleşen bir veri kümesiyle tahminler yapmalısınız.
Her tahmin veya tahmin grubu için Canvas, tahmin edilen değerleri ve tahmin edilen değerin doğru olma olasılığını döndürür.
Doğrulama veri setini kullanarak eğitilmiş modelden tahminler yapalım.
- Klinik Veri kümesini seçin.
- seç
lending_club_loan_data_test
Ve seç Tahminler oluştur.
Tahminleriniz hazır olduğunda, onları Veri kümesi bölüm. Tahmini önizleyebilir, yerel bir makineye indirebilir, silebilir veya QuickSight'a gönderebilirsiniz.
Tahminleri QuickSight'a gönderin
Artık bu makine öğrenimi modellerinden tahminleri, kuruluş genelindeki panolar için yeni bir kaynak görevi görecek QuickSight veri kümeleri olarak paylaşabilirsiniz. Trendleri, riskleri ve iş fırsatlarını analiz edebilirsiniz. Bu yetenek sayesinde makine öğrenimi, veriye dayalı karar vermeyi hızlandırabilmeleri için iş ekipleri için daha erişilebilir hale gelir. Verileri QuickSight kullanıcılarıyla paylaşmak, onlara veri kümesi üzerinde sahiplik izinleri verir. QuickSight'a aynı anda birden çok çıkarsanan veri kümesi gönderilebilir.
Tahminleri yalnızca QuickSight hesabının varsayılan ad alanındaki kullanıcılara gönderebileceğinizi ve kullanıcının QuickSight'ta Yazar veya Yönetici rolüne sahip olması gerektiğini unutmayın. QuickSight'a gönderilen tahminler, Canvas ile aynı Bölgede mevcuttur.
- Çıkarılan toplu veri kümesini seçin ve seçin Amazon QuickSight'a gönder.
- Veri kümesini paylaşmak için bir veya daha fazla QuickSight kullanıcı adı girin ve düğmesine basın. Keşfet.
- Klinik Gönder veri paylaşmak için.
Toplu tahminlerinizi gönderdikten sonra, Hızlı Görüş gönderdiğiniz veri kümelerinin alanı Gönderildi olarak görünür.
- Onay kutusunda şunları seçebilirsiniz: Amazon QuickSight'ı açın QuickSight uygulamanızı açmak için
- Canvas'ı kullanmayı bitirdiyseniz, oturumu tuval uygulamasının.
Sayısal, kategorik tahmin ve zaman serisi tahmin modelleri için QuickSight'a toplu tahminler gönderebilirsiniz. ile oluşturulan tahminleri de gönderebilirsiniz. kendi modelini getir (BYOM) yöntemi. Tek etiketli görüntü tahmini ve çok kategorili metin tahmini modelleri hariçtir.
Veri kümelerini gönderdiğiniz QuickSight kullanıcıları, QuickSight konsollarını açabilir ve kendileriyle paylaşılan Canvas veri kümelerini görüntüleyebilir. Ardından verilerle tahmine dayalı panolar oluşturabilirler. Daha fazla bilgi için bakınız Amazon QuickSight veri analizine başlarken.
Varsayılan olarak, tahmin gönderdiğiniz tüm kullanıcıların QuickSight'ta veri kümesi için sahip izinleri vardır. Sahipler analizler oluşturabilir, veri kümelerini yenileyebilir, düzenleyebilir, silebilir ve yeniden paylaşabilir. Sahiplerin bir veri kümesinde yaptığı değişiklikler, erişimi olan tüm kullanıcılar için veri kümesini değiştirir. İzinleri değiştirmek için QuickSight'ta veri kümesine gidin ve izinlerini yönetin. Daha fazla bilgi için bakınız Bir veri kümesinin paylaşıldığı kullanıcıların izinlerini görüntüleme ve düzenleme.
İş analistleri deneyimi
QuickSight ile verilerinizi daha iyi anlamak için görselleştirebilirsiniz. Bazı üst düzey bilgiler alarak başlıyoruz.
- QuickSight konsolunda şunu seçin: Veri Setleri Gezinti bölmesinde.
- öğesini seçerek Canvas'tan paylaşılan toplu tahmin veri kümesi üzerinde bir analiz oluşturun. Analiz oluştur açılır seçenekler menüsünde (üç dikey nokta).
- Analiz sayfasında, sayfa adını seçin ve Kredi Veri Analizi olarak yeniden adlandırın.
Ödünç verme durumunu gösteren bir görsel oluşturalım.
- İçin Görsel türler, seçmek Halka grafiği.
- Kullan
loan_status
için alan Grup/Renk.
%99'unun tamamen ödendiğini, %1'inin geçerli olduğunu ve %0'ının tahsil edildiğini görebiliriz.
Şimdi duruma göre kredi miktarını göstermek için ikinci bir görsel ekliyoruz.
- Sol üst köşede artı işaretini seçin ve Görsel ekle.
- İçin Görsel türler, seçmek Şelale grafiği.
- Kullan
loan_status
için alan Kategoriler. - Kullan
loan_amount
için alan Özellik.
Toplam kredi tutarının yaklaşık 88 ABD Doları tutarında tahsilatla birlikte 221,000 milyon ABD Doları civarında olduğunu görebiliriz.
Kredilerin temerrüde düşmesine neden olan bazı risk etmenlerini tespit etmeye çalışalım.
- Artı işaretini seçin ve seçin Görsel ekle.
- İçin Görsel türler, seçmek Yatay çubuk grafik.
- için kredi_status alanını kullanın Y ekseni.
- için kredi_amount alanını kullanın Özellik.
- Değiştirmek Özellik alan toplama Toplam için Ortalama.
Ortalama olarak, kredi tutarının tamamı ödenen kredilerde mevcut kredilere göre yaklaşık 3,500 ABD Doları, tamamen ödenen kredilerde ise zarar yazmalara göre yaklaşık 3,500 ABD Doları daha düşük olduğunu görebiliriz. Kredi tutarı ile kredi riski arasında bir ilişki olduğu görülmektedir.
- Görseli çoğaltmak için seçenekler menüsünü seçin (üç nokta), Yinelenen görsel, ve Seç Bu sayfa.
- Yapılandırmasını değiştirmek için çoğaltılan görseli seçin.
- İçin Görsel türler, seçmek Yatay çubuk grafik.
- için kredi_status alanını kullanın Y ekseni.
- için kredi_amount alanını kullanın Özellik.
- Değiştirmek Özellik alan toplama Toplam için Ortalama.
Ek risk faktörlerini kontrol etmek için ek görseller oluşturabilirsiniz. Örneğin:
- Kredi vadesi
- Açık kredi limitleri
- Döner hat kullanım oranı
- Toplam kredi limiti
- Görselleri ekledikten sonra, panoyu kullanarak yayınlayın. paylaş seçeneğini belirleyin ve kontrol panelini iş paydaşlarıyla paylaşın.
Temizlemek
İleride ücret ödememek için bu gönderiyi takip ederken oluşturduğunuz kaynakları silin veya kapatın. bakın Amazon SageMaker Canvas oturumunu kapatma daha fazla ayrıntı için.
Sonuç
Bu yazıda, kullanıcı dostu arayüzleri ve net görselleştirmeleri sayesinde tek satır kod yazmadan Canvas kullanarak bir makine öğrenimi modeli eğittik. Daha sonra Canvas'ta bu model için tekli ve toplu tahminler oluşturduk. Kuruluş genelindeki eğilimleri, riskleri ve iş fırsatlarını değerlendirmek için bu makine öğrenimi modelinin tahminlerini QuickSight'a gönderdik. İş analistleri olarak, QuickSight'taki trendleri değerlendirmek için çeşitli görselleştirmeler oluşturduk.
Bu yetenek, Canvas'ın artık desteklendiği tüm Bölgelerde mevcuttur. Kanvas hakkında daha fazla bilgi edinebilirsiniz Ürün sayfası ve belgeleme.
Yazarlar Hakkında
Ajjay Govindaram AWS'de Kıdemli Çözüm Mimarıdır. Karmaşık iş sorunlarını çözmek için AI/ML kullanan stratejik müşterilerle çalışıyor. Tecrübesi, orta ila büyük ölçekli AI/ML uygulama devreye alımları için teknik yönlendirme ve tasarım yardımı sağlamada yatmaktadır. Bilgisi, uygulama mimarisinden büyük veriye, analitiğe ve makine öğrenimine kadar uzanıyor. Dinlenirken müzik dinlemekten, dışarıyı deneyimlemekten ve sevdikleriyle vakit geçirmekten hoşlanır.
Varun Mehta AWS'de bir Çözüm Mimarıdır. Müşterilerin AWS Cloud üzerinde kurumsal ölçekte iyi tasarlanmış çözümler oluşturmasına yardımcı olma konusunda tutkulu. Karmaşık iş sorunlarını çözmek için AI/ML kullanan stratejik müşterilerle çalışıyor.
Shyam Srinivasan AWS AI/ML ekibinde, Amazon SageMaker Canvas için ürün yönetimine liderlik eden Baş Ürün Yöneticisidir. Shyam, teknoloji aracılığıyla dünyayı daha iyi bir yer haline getirmeye önem veriyor ve AI ve ML'nin bu yolculukta nasıl bir katalizör olabileceği konusunda tutkulu.
- 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/publish-predictive-dashboards-in-amazon-quicksight-using-ml-predictions-from-amazon-sagemaker-canvas/
- :vardır
- :dır-dir
- :Neresi
- $3
- $UP
- 000
- 10
- 100
- 11
- 12
- %15
- 20
- 500
- 7
- 8
- 9
- a
- Yapabilmek
- Hakkımızda
- hızlandırmak
- hızlandırılmış
- erişim
- ulaşılabilir
- Hesap
- doğru
- Başarmak
- elde
- karşısında
- Action
- faaliyetler
- eklemek
- Ek
- Gizem
- yöneticiler
- toplanma
- AI
- AI / ML
- Türkiye
- izin vermek
- Ayrıca
- Amazon
- Amazon QuickSight
- Amazon Adaçayı Yapıcı
- Amazon SageMaker Tuval
- Amazon Web Servisleri
- miktar
- an
- analizler
- analiz
- analist
- Analistler
- analytics
- çözümlemek
- analiz
- ve
- Başka
- herhangi
- Uygulama
- mimari
- ARE
- etrafında
- AS
- Yardım
- At
- iliştirmek
- yazar
- otomatik olarak
- AutoML
- mevcut
- ortalama
- önlemek
- AWS
- Arka
- bar
- BE
- olur
- olmuştur
- önce
- olmak
- İYİ
- Daha iyi
- arasında
- Büyük
- büyük Veri
- kutu
- inşa etmek
- yapılı
- iş
- iş zekası
- işletmeler
- by
- CAN
- tuval
- dava
- katalizatör
- Kategoriler
- değişiklik
- değişiklikler
- yüklü
- yükler
- Kontrol
- Klinik
- seçme
- açık
- bulut
- kod
- Sütun
- Sütunlar
- nasıl
- karşılaştırıldığında
- tamamlamak
- karmaşık
- yapılandırma
- onay
- Sosyal medya
- konsolos
- Köşe
- doğru
- Ilişki
- kapak
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- Oluşturma
- kredi
- akım
- müşteri
- müşteri tutumu
- Müşteriler
- devir
- gösterge paneli
- veri
- veri analizi
- veri-güdümlü
- veri kümeleri
- Karar verme
- kararlar
- Varsayılan
- Talep
- göstermek
- dağıtımları
- tanım
- Dizayn
- ayrıntı
- ayrıntılar
- algılandı
- farklı
- yön
- tartışmak
- domain
- yapılmış
- aşağı
- indir
- sürücüler
- her
- kolay
- editör
- Efekt
- Etkili
- ya
- gömülü
- sağlar
- etkinleştirme
- Keşfet
- kuruluş
- Tüm
- gerekli
- olaylar
- örnek
- hariç
- infaz
- deneyim
- yaşıyor
- Keşfetmek
- kolaylaştırıcı
- Daha hızlı
- alan
- bulmak
- bulma
- Ad
- ilk kez
- takip etme
- İçin
- dört
- itibaren
- tamamen
- daha fazla
- gelecek
- oluşturmak
- oluşturulan
- üreten
- almak
- alma
- Go
- Goes
- verilmiş
- yardımlar
- rehberlik
- Var
- sahip olan
- he
- yardım et
- yardım
- üst düzey
- onun
- Ana Sayfa
- Ne kadar
- Nasıl Yapılır
- HTML
- HTTPS
- ICON
- ID
- ideal
- görüntü
- darbe
- uygulamak
- ithal
- in
- Artırmak
- bilgi
- aydınlatıcı
- giriş
- anlayışlar
- İstihbarat
- interaktif
- arayüzey
- arayüzler
- içine
- IT
- tekrarlama
- ONUN
- seyahat
- jpg
- json
- bilgi
- bilinen
- dil
- büyük ölçekli
- başlatmak
- önemli
- ÖĞRENİN
- öğrenme
- yalan
- sevmek
- çizgi
- Dinleme
- borç
- Krediler
- yerel
- sevilen
- alt
- makine
- makine öğrenme
- yapmak
- YAPAR
- Yapımı
- yönetmek
- yönetilen
- yönetim
- müdür
- el ile
- Menü
- Metadata
- yöntem
- Metrikleri
- milyon
- dakika
- ML
- model
- modelleri
- değiştirmek
- Daha
- çoklu
- Music
- şart
- isim
- isimleri
- Gezin
- gezinme
- Navigasyon
- gerekli
- gerekli
- yeni
- şimdi
- of
- kapalı
- on
- bir Zamanlar
- ONE
- olanlar
- bir tek
- açık
- Fırsatlar
- Opsiyonlar
- or
- bizim
- dışarı
- sonuçlar
- açık havada
- kendi
- sahip
- sahipleri
- Kanal
- ödenmiş
- çiftleri
- bölmesi
- tutkulu
- izinleri
- asıl
- yer
- Platon
- Plato Veri Zekası
- PlatoVeri
- OYNA
- artı
- politika
- pop-up
- Çivi
- tahmin
- tahmin
- Tahminler
- Hazırlamak
- önkoşullar
- basın
- Önizleme
- Önceden
- Anapara
- Sorun
- sorunlar
- PLATFORM
- ürün Yönetimi
- ürün müdürü
- Profil
- sağlama
- yayınlamak
- Hızlı
- Okumak
- hazır
- tavsiye
- yönlendirme
- bölge
- bölgeler
- Raporlar
- kaynak
- Kaynaklar
- İade
- gelir
- krallar gibi yaşamaya
- Risk
- riskler
- Rol
- koşmak
- sagemaker
- satış
- aynı
- İndirim
- senaryolar
- sorunsuz
- Ara
- İkinci
- Bölüm
- bölümler
- görmek
- görünüyor
- göndermek
- kıdemli
- gönderdi
- Dizi
- hizmet vermek
- hizmet
- Hizmetler
- set
- paylaş
- Paylaşılan
- paylaşımı
- yaprak
- meli
- şov
- Gösteriler
- kapatmak
- yan
- işaret
- Basit
- tek
- So
- çözüm
- Çözümler
- ÇÖZMEK
- biraz
- Kaynak
- Harcama
- paydaşlar
- başlama
- başladı
- Açıklama
- Durum
- Basamaklar
- Stratejik
- stüdyo
- başarılı
- böyle
- destekli
- alır
- Hedef
- takım
- takım
- Teknik
- Teknolojileri
- Teknoloji
- onlarca
- Test yapmak
- Teşekkür
- o
- The
- Dünya
- ve bazı Asya
- Onları
- sonra
- Orada.
- Bunlar
- onlar
- Re-Tweet
- Binlerce
- üç
- İçinden
- zaman
- Zaman serisi
- için
- araç
- Toplam
- Tren
- eğitilmiş
- Eğitim
- Trendler
- denemek
- tip
- altında
- anlamak
- kullanım
- kullanıcı
- kullanıcı dostu
- kullanıcılar
- kullanma
- genellikle
- onaylama
- değer
- Değerler
- çeşitli
- versiyon
- dikey
- Görüntüle
- görüntüleme
- görseller
- oldu
- we
- ağ
- web hizmetleri
- Web sitesi
- memnuniyetle
- İYİ
- ne zaman
- hangi
- süre
- DSÖ
- irade
- ile
- içinde
- olmadan
- İş
- çalışır
- Dünya
- yazmak
- yazı yazıyor
- Sen
- zefirnet