У цьому дописі представлено та порівняно параметри та рекомендовані методи керування пакетами Python і віртуальними середовищами в Студія Amazon SageMaker зошити. Публіка GitHub репо надає практичні приклади для кожного з представлених підходів.
Amazon SageMaker Studio — це веб-інтегроване середовище розробки (IDE) для машинного навчання (ML), яке дозволяє створювати, навчати, налагоджувати, розгортати та контролювати свої моделі ML. Studio надає всі інструменти, які вам потрібні, щоб використовувати ваші моделі від підготовки даних до експериментів і виробництва, одночасно підвищуючи вашу продуктивність.
Студійні блокноти це спільні блокноти Jupyter, які можна швидко запустити, оскільки вам не потрібно заздалегідь налаштовувати обчислювальні екземпляри та сховище файлів. Коли ви відкриваєте блокнот у Studio, вам буде запропоновано налаштувати середовище, вибравши образ SageMaker, ядро, тип екземпляра та, за бажанням, сценарій конфігурації життєвого циклу, який запускається під час запуску образу.
Докладніше про концепції ноутбуків Studio та інші аспекти архітектури див Пориньте глибоко в архітектуру Amazon SageMaker Studio Notebooks.
Ноутбуки Studio призначені для підтримки вас на всіх етапах розробки ML, наприклад, створення ідей, експериментування та введення в дію робочого процесу ML. Студія йде з добуд зображень які включають останні SDK для Amazon SageMaker Python і, залежно від типу зображення, інші конкретні пакети та ресурси, такі як бібліотеки Spark, MXNet або PyTorch, а також їхні необхідні залежності. Кожне зображення може містити одне або декілька ядра, які можуть бути різними віртуальними середовищами для розробки.
Щоб забезпечити найкращу відповідність процесу та етапам розробки, отримати доступ до певних чи найновіших фреймворків ML або виконати вимоги щодо доступу до даних і керування, ви можете налаштувати попередньо створені середовища ноутбуків або створити нові середовища за допомогою власних образів і ядер.
У цій публікації розглядаються наступні підходи до налаштування середовищ Studio шляхом керування пакетами та створення віртуальних середовищ Python у блокнотах Studio:
- Використовуйте власний образ програми Studio KernelGateway
- Використовуйте конфігурації життєвого циклу ноутбука Studio
- Використовуйте Студію Еластична файлова система Amazon (Amazon EFS) для збереження середовищ Conda
- Скористайтесь
pip install
Ядра програм Studio KernelGateway і ноутбуків
Одна з головних відмінностей архітектури ноутбуків Studio порівняно з Примірники блокнота SageMaker полягає в тому, що ядра ноутбуків Studio працюють у контейнері Docker, який називається a Контейнер зображень SageMaker, а не розміщено безпосередньо на Обчислювальна хмара Amazon Elastic (Amazon EC2), що стосується екземплярів ноутбука SageMaker.
На наступній діаграмі показано зв’язки між KernelGateway, ядрами ноутбуків і образами SageMaker. (Для отримання додаткової інформації див Використовуйте ноутбуки Amazon SageMaker Studio.)
Через цю різницю існують певні особливості того, як ви створюєте та керуєте віртуальні середовища в ноутбуках Studio, наприклад, використання середовищ Conda або збереження середовищ розробки ML між перезавантаженнями ядра.
У наступних розділах детально пояснюється кожен із чотирьох підходів до налаштування середовища, наводяться практичні приклади та рекомендуються варіанти використання для кожного параметра.
Передумови
Щоб розпочати роботу з прикладами та випробувати підходи до налаштування самостійно, вам потрібен активний домен SageMaker і принаймні один профіль користувача в домені. Якщо у вас немає домену, зверніться до інструкцій у На борту до домену Amazon SageMaker.
Користувальницькі зображення програм Studio KernelGateway
Образ програми Studio KernelGateway — це контейнер Docker, який визначає ядра, мовні пакети та інші залежності, необхідні для запуску блокнота Jupyter у Studio. Ви використовуєте ці зображення для створення середовищ, у яких потім запускаєте блокноти Jupyter. Студія надає багато вбудовані зображення для вас.
Якщо вам потрібна інша функціональність, специфічні фреймворки або пакети бібліотек, ви можете перенести власні власні зображення (BYOI) у Studio.
Ви можете створювати зображення програми та версії зображень, прикріплювати версії зображень до свого домену та робити програму доступною для всіх користувачів домену або для окремих профілів користувачів. Ви можете керувати зображеннями програм за допомогою консолі SageMaker AWS SDK для Python (Boto3), і Інтерфейс командного рядка AWS (AWS CLI). Користувацьке зображення потрібно зберегти в Реєстр контейнерів Amazon Elastic (Amazon ECR) репозиторій.
Основними перевагами цього підходу є високий рівень контролю версій і відтворюваність середовища виконання ML і миттєва доступність бібліотечних пакетів, оскільки вони інстальовані в образі. Ви можете запровадити всебічні тести, керування, захисні огорожі та автоматизацію CI/CD для створення власних образів додатків. Наявність миттєвих знімків середовищ розробки полегшує та посилює захист вашої організації та практику безпеки.
Надані ноутбук реалізує процес створення образу програми для середовищ на основі Conda. Блокнот демонструє, як можна створювати зображення з кількома середовищами, щоб користувачі програми могли вибрати ядра, на яких вони могли запускати свої блокноти.
Налаштуйте власне зображення програми
Ви повинні запустити цей блокнот як екземпляр блокнота SageMaker, щоб дозволити використовувати Docker локально та виконувати команди Docker у блокноті. Як альтернативу використанню екземплярів блокнота або сценаріїв оболонки ви можете використовувати CLI збірки зображень Studio для роботи з Docker в Studio. Studio Image Build CLI дозволяє створювати сумісні з SageMaker образи Docker безпосередньо з ваших середовищ Studio за допомогою AWS CodeBuild.
Якщо у вас немає екземпляра блокнота SageMaker, дотримуйтесь інструкцій у Створіть екземпляр ноутбука Amazon SageMaker щоб розпочати роботу.
Ви також повинні переконатися, що роль виконання, яку ви використовуєте для екземпляра ноутбука, має необхідні дозволи для операцій домену Amazon ECR і SageMaker:
Щоб створити власний образ із двома ядрами, кожне зі своїм власним віртуальним середовищем Conda, ноутбук реалізує наступні кроки:
- Визначте середовища Conda. Середовище Conda має мати встановлений пакет ядра Jupyter, наприклад,
ipykernel
для ядра Python. - Визначте Dockerfile. Розглянемо власне зображення SageMaker специфікації при створенні власного образу.
- Створіть образ Docker, сумісний із Studio, і надішліть його в репозиторій ECR.
- Створити Зображення SageMaker із зображенням Docker із сховища ECR і створіть початкову версію образу. Щоразу, коли ви оновлюєте зображення в Amazon ECR, потрібно створювати нову версію зображення.
- Оновіть наявний домен SageMaker, щоб використовувати це зображення. Для цієї операції роль виконання потребує
UpdateDomain
дозвіл. Зображення відразу стає доступним для всіх профілів користувачів домену. Якщо ви хочете зробити зображення доступним лише для певного профілю користувача, ви можете скористатисяUpdateUserProfile
Виклик API замістьUpdateDomain
. - Запуск власне зображення в Studio. Створіть новий блокнот і виберіть нове зображення в спадному меню вибору зображень.
Studio автоматично розпізнає середовища Conda у вашому образі як відповідні ядра в спадному меню вибору ядра в Налаштувати середовище блокнота віджет
Зверніться до них зразки зошитів для отримання додаткових прикладів і варіантів використання власного зображення програми.
Прибирати
Щоб уникнути стягнення плати, ви повинні зупинити активні екземпляри блокнота SageMaker. Інструкції див Прибирати.
Впровадити автоматизований процес створення зображень
Як уже згадувалося, ви можете використовувати CLI збірки зображень Studio реалізувати автоматизований процес CI/CD створення та розгортання образу програми за допомогою CodeBuild та sm-docker CLI. Він абстрагує налаштування ваших середовищ збірки Docker, автоматично налаштовуючи базові служби та робочий процес, необхідні для створення образів Docker.
Рекомендовані варіанти використання
Підхід із зображенням спеціальної програми добре підходить для таких сценаріїв під час використання середовища ноутбука Studio:
- Стабільне та контрольоване середовище для використання у виробництві чи делікатному розробці
- Середовища без доступу до Інтернету, де потрібно попередньо запакувати всі необхідні ресурси та бібліотеки в образ
- Високий коефіцієнт повторного використання середовища та низька швидкість змін у середовищах
- Високий масштаб науково-технічних операцій, десятки чи сотні розробників або команд, яким потрібен доступ до стандартизованих користувальницьких середовищ
- Використовуйте бібліотеки, які не можна налаштувати на власних образах SageMaker
- Вимоги до використання власних зображень для іншої ОС або іншої мови програмування
- Централізоване управління та розвиток середовища з використанням автоматизованих конвеєрів CI/CD
Обмеження цього підходу
Цей підхід вимагає багатоетапного процесу створення зображення, включаючи тести, що може бути надмірним для менших або дуже динамічних середовищ. Крім того, зверніть увагу на такі обмеження підходу:
- Для додавання нових пакетів або створення нових версій образу потрібні попередні зусилля. Як пом’якшення, ви можете налаштувати наявне власне зображення за допомогою pip, навіть якщо воно не є постійним.
- Для додавання нового спеціального зображення або додавання нової версії до домену потрібен
UpdateDomain
дозвіл, який зазвичай не додається до ролі виконання профілю користувача. Ми рекомендуємо використовувати автоматизований конвеєр із виділеною роллю виконання для виконання цієї операції або надати дозвіл на оновлення домену призначеному користувачеві або ролі адміністратора. - Для створення зображень потрібно багато ручних зусиль. Ми рекомендуємо реалізувати автоматизований конвеєр, якщо ви часто створюєте та оновлюєте власні зображення.
- Якщо ви використовуєте середовища Conda, ви можете зіткнутися з проблемами в середовищі Docker. Для прикладу див Активація середовища Conda у вашому Dockerfile. Не всі команди Conda можуть працювати у віртуальному середовищі ноутбука. Однак цей підхід до налаштування Studio не обмежується середовищами на основі Conda.
- Ви не можете вручну переключатися між середовищами Conda в блокноті; ви повинні перемикати ядра у віджеті налаштування середовища ноутбука.
Також врахуйте, що є дефолт квоти 30 користувацьких зображень на домен і 5 зображень на профіль користувача. Це м’які обмеження, які можна збільшити.
У наступних розділах описуються більш легкі підходи, які можуть краще підходити для інших випадків використання.
Конфігурації життєвого циклу ноутбука Studio
Studio конфігурації життєвого циклу визначте сценарій оболонки, який запускається при кожному перезапуску програми шлюзу ядра та може інсталювати необхідні пакети. Основна перевага полягає в тому, що фахівець із даних може вибрати, який сценарій запустити, щоб налаштувати контейнер із новими пакетами. Ця опція не потребує перебудови контейнера та, у більшості випадків, взагалі не вимагає спеціального зображення, оскільки ви можете налаштувати попередньо побудовані.
Налаштуйте процес конфігурації життєвого циклу
Цей процес займає близько 5 хвилин. Повідомлення демонструє, як використовувати конфігурації життєвого циклу через консоль SageMaker. Надається ноутбук показує, як реалізувати те саме програмно за допомогою Boto3.
- На консолі SageMaker виберіть Конфігурації життєвого циклу у навігаційній панелі.
- на Studio вкладку, виберіть Створити конфігурацію.
Першим кроком для створення конфігурації життєвого циклу є вибір типу.
- Для цього випадку встановлення залежностей кожного разу, коли створюється програма шлюзу ядра Jupyter, виберіть Програма шлюзу ядра Jupyter І вибирай МАЙБУТНІ.
- для ІМ'Я, введіть назву для конфігурації.
- У Додайте нотатки до слайдів розділі, визначте сценарій, який буде запущено під час запуску ядра. Для цього прикладу бібліотеку PyArrow буде встановлено з таким сценарієм:
- Вибирати Створити конфігурацію.
Тепер, коли конфігурацію створено, її потрібно приєднати до домену або профілю користувача. Коли приєднано до домену, усі профілі користувачів у цьому домені успадковують його, тоді як, коли приєднано до профілю користувача, він поширюється на цей профіль. Для цього покрокового керівництва ми використовуємо маршрут домену Studio.
- Вибирати Домени на панелі навігації та відкрийте наявний домен.
- на Навколишнє середовище вкладка, в Конфігурації життєвого циклу для персональних програм Studio розділ, вибрати Приєднувати.
- для Sourceвиберіть Існуюча конфігурація.
- Виберіть конфігурацію життєвого циклу, яку ви створили, і виберіть Приєднати до домену.
Тепер, коли вся конфігурація виконана, настав час перевірити сценарій у Studio.
- Запустіть Studio та на гранатомет знайдіть вкладку Ноутбуки та обчислювальні ресурси розділ, і виберіть Змінити середовище щоб вибрати конфігурацію життєвого циклу, яку ви створили.
- для Скрипт запуску, виберіть конфігурацію життєвого циклу, яку ви створили, а потім виберіть Select.
- Вибирати Створити блокнот.
Ви також можете налаштувати, щоб конфігурація життєвого циклу запускалася за замовчуванням у Конфігурації життєвого циклу для персональних програм Studio розділ Область стр.
У новому блокноті будуть доступні залежності, встановлені в сценарії запуску.
Рекомендовані варіанти використання
Цей підхід є легким, але водночас потужним, оскільки він дає змогу контролювати налаштування середовища вашого ноутбука за допомогою сценаріїв оболонки. Випадки використання, які найкраще підходять для цього підходу:
- Інтеграція встановлення пакетів у конфігурацію життєвого циклу ноутбука, яка має запускатися під час кожного запуску ядра.
- Середовища без доступу до Інтернету. Використовуйте конфігурації життєвого циклу, щоб налаштувати середовище для доступу до локальних сховищ або сховищ артефактів безпеки та пакетів, наприклад Артефакт коду AWS.
- Якщо ви вже використовуєте конфігурації життєвого циклу, ви можете розширити їх, включивши встановлення пакета.
- Встановлення кількох додаткових пакетів поверх вбудованих або користувацьких зображень програми.
- Коли вам потрібен менший час виходу на ринок, ніж із зображеннями спеціального додатка.
Обмеження цього підходу
Основними обмеженнями є великі зусилля для керування сценаріями конфігурації життєвого циклу в масштабі та повільне встановлення пакетів. Залежно від того, скільки пакетів установлено та наскільки вони великі, сценарій життєвого циклу може навіть закінчитися. Існують також обмежені можливості для спеціального налаштування сценарію користувачами, такими як спеціалісти з обробки даних або інженери ML, через дозволи ролі виконання профілю користувача.
Відноситься до Зразки конфігурації життєвого циклу SageMaker Studio для отримання додаткових зразків і випадків використання.
Зберігайте середовища Conda на тому Studio EFS
Домени SageMaker і Studio використовують том EFS як постійний рівень зберігання. Ви можете зберегти свої середовища Conda на цьому тому EFS. Ці середовища є постійними між перезапуском ядра, програми або Studio. Studio автоматично вибирає всі середовища як ядра KernelGateway.
Це простий процес для спеціаліста з обробки даних, але існує 1-хвилинна затримка, щоб середовище з’явилося в списку доступних для вибору ядер. Також можуть виникнути проблеми з використанням середовищ для програм шлюзу ядра, які мають інші вимоги до обчислень, наприклад, середовище на основі ЦП у програмі на основі графічного процесора.
Відноситься до Спеціальні середовища Conda на SageMaker Studio для отримання детальних інструкцій. Репозиторій GitHub публікації також містить a ноутбук з покроковим посібником.
Створіть постійне середовище Conda на томі Studio EFS
Ця інструкція має тривати близько 10 хвилин.
- У Studio виберіть Головна у навігаційній панелі.
- Вибирати Відкрийте Launcher.
- У панелі запуску знайдіть Ноутбуки та обчислювальні ресурси .
- Переконайтеся, що вибраний образ SageMaker є основним образом ядра, який підтримує Conda, наприклад «Data Science».
- Вибирати Відкрийте термінал зображень щоб відкрити вікно терміналу з новим ядром.
З’явиться повідомлення «Запуск терміналу зображення…», а через кілька хвилин новий термінал відкриється в новій вкладці.
- У терміналі виконайте такі команди:
Виконання цих команд займе приблизно 3 хвилини та створить каталог на томі EFS для зберігання середовищ Conda, створить нове середовище Conda та активує його, інсталюватиме ipykernel
залежності (без цієї залежності це рішення не працюватиме) і, нарешті, створіть файл конфігурації Conda (.condarc
), який містить посилання на новий каталог середовища Conda. Оскільки це нове середовище Conda, додаткові залежності не встановлюються. Щоб установити інші залежності, ви можете змінити conda install
або дочекайтеся завершення виконання наступних команд і встановіть будь-які додаткові залежності, перебуваючи в середовищі Conda.
- У цьому прикладі ми інсталюємо бібліотеку NumPy, виконавши таку команду у вікні терміналу:
Тепер, коли середовище Conda створено та залежності встановлено, ви можете створити блокнот, який використовує це середовище Conda, що зберігається в Amazon EFS.
- На панелі запуску Studio виберіть Створити блокнот.
- У новому блокноті виберіть ядро «Python 3 (Data Science)».
- для Ядро, виберіть щойно створене середовище Conda, а потім виберіть Select.
Якщо спочатку немає опції для нового середовища Conda, це може бути тому, що розповсюдження займає кілька хвилин.
Повернувшись у блокнот, назва ядра зміниться у верхньому правому куті, і в клітинці ви можете перевірити, чи доступні встановлені залежності.
Рекомендовані варіанти використання
Наступні випадки використання найкраще підходять для цього підходу:
- Середовища без доступу до Інтернету, з усіма залежностями, попередньо встановленими в збережених середовищах Conda
- Спеціальні середовища, які потребують постійності між сеансами ядра
- Тестування власних зображень SageMaker у Studio перед створенням образу Docker і надсиланням до Amazon ECR
Обмеження цього підходу
Хоча цей підхід має практичне застосування, зверніть увагу на такі обмеження:
- У Amazon EFS можуть виникати проблеми з продуктивністю багатьох невеликих файлів, що дуже часто трапляється під час керування пакетами Python.
- Спільне використання постійних середовищ між профілями користувачів Studio може бути складним завданням.
- Повторне використання постійних середовищ може бути складним.
- Це може бути складним завданням управління в масштабі.
- Цей підхід працює лише з окремими образами SageMaker на основі Conda, наприклад «Data Science», «Data Science 2.0» і «Data Science 3.0». Список усіх доступних зображень див Доступні зображення Amazon SageMaker.
Встановлення Pip
Ви можете встановлювати пакети безпосередньо в середовище Conda за замовчуванням або середовище Python за замовчуванням.
Створити setup.py
or requirements.txt
файл з усіма необхідними залежностями та запустіть %pip install .-r requirement.txt
. Цю команду потрібно запускати кожного разу, коли ви перезапускаєте ядро або повторно створюєте програму.
Цей підхід рекомендується для спеціальних експериментів, оскільки ці середовища не є постійними.
Щоб дізнатися більше про використання pip install
наказ і обмеження, див Встановіть зовнішні бібліотеки та ядра в Amazon SageMaker Studio.
Рекомендовані варіанти використання
Цей підхід є стандартним способом встановлення пакетів для налаштування середовища вашого ноутбука. Рекомендовані випадки використання обмежені невиробничим використанням для спеціальних експериментів у блокноті:
- Спеціальні експерименти в записниках Studio
- Непродуктивні та нечутливі середовища, пісочниці
- Середовища з доступом до Інтернету
Обмеження цього підходу
Основні обмеження цього підходу:
- Деякі корпоративні середовища блокують усі вихідні та вхідні підключення до Інтернету, і ви не можете використовувати
pip install
отримати пакети Python або потрібно налаштувати офлайн-режим - Нижча відтворюваність середовищ
- Потрібно дочекатися завантаження та встановлення пакетів
- Немає збереження між перезавантаженнями зображення
Висновок
SageMaker Studio пропонує широкий спектр можливих налаштувань середовищ розробки. Кожна роль користувача, наприклад спеціаліст з обробки даних; інженер ML, MLOps або DevOps; і адміністратор може вибрати найбільш відповідний підхід, виходячи зі своїх потреб, місця в циклі розробки та захисних планок підприємства.
У наведеній нижче таблиці підсумовуються представлені підходи разом із їхніми переважними випадками використання та основними обмеженнями.
Підхід | Наполегливість | Найкращі випадки використання | Недоліки |
Принесіть власний образ | Постійний, який можна переносити між профілями користувачів і доменами |
|
|
Конфігурації життєвого циклу | Постійний, який можна переносити між профілями користувачів і доменами |
|
|
Середовища Conda на томі Studio EFS | Постійний, не можна передавати між профілями користувачів або доменами |
|
|
Встановлення Pip | Тимчасовий, без збереження між зображенням або перезапуском Studio, не можна переносити між профілями користувачів або доменами |
|
|
Це все ще день 1. Віртуальне середовище реального світу та керування Python є набагато складнішими, ніж ці чотири підходи, але ця публікація допоможе вам зробити перші кроки для розробки власного сценарію використання.
Ви можете знайти більше випадків використання, деталі та практичні приклади в наступних ресурсах:
Про авторів
Євген Ільїн є архітектором рішень в Amazon Web Services (AWS). Він має понад 20 років досвіду роботи на всіх рівнях розробки програмного забезпечення та архітектури рішень і використовував мови програмування від COBOL і Assembler до .NET, Java і Python. Він розробляє та кодує власні хмарні рішення, зосереджуючись на великих даних, аналітиці та розробці даних.
Алекс Грейс є архітектором рішень в Amazon Web Services (AWS), який опікується фінтех-цифровим бізнесом. Перебуваючи в Лондоні, Алекс працює з кількома провідними фінтех-компаніями Великої Британії та із задоволенням підтримує їх використання AWS для вирішення бізнес-проблем і сприяння майбутньому розвитку. Раніше Алекс працював розробником програмного забезпечення та технічним керівником у стартапах Fintech у Лондоні, а нещодавно спеціалізувався на рішеннях машинного навчання AWS.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/four-approaches-to-manage-python-packages-in-amazon-sagemaker-studio-notebooks/
- :є
- $UP
- 1
- 10
- 100
- 11
- 20 роки
- 7
- 8
- a
- МЕНЮ
- тези
- доступ
- рахунки
- дію
- активний
- Ad
- Додатковий
- адреса
- адмін
- після
- Alex
- ВСІ
- дозволяє
- вже
- Amazon
- Amazon EC2
- Amazon SageMaker
- Студія Amazon SageMaker
- Amazon Web Services
- Веб-служби Amazon (AWS)
- аналітика
- та
- API
- додаток
- з'являтися
- додаток
- підхід
- підходи
- додатка
- архітектура
- ЕСТЬ
- навколо
- AS
- аспекти
- At
- приєднувати
- авторство
- Автоматизований
- автоматично
- Автоматизація
- наявність
- доступний
- AWS
- заснований
- BE
- оскільки
- перед тим
- користь
- Переваги
- КРАЩЕ
- Краще
- між
- Великий
- Великий даних
- Блокувати
- підвищення
- приносити
- широкий
- будувати
- Створюємо
- вбудований
- бізнес
- підприємства
- by
- call
- званий
- CAN
- випадок
- випадків
- проблеми
- складні
- Зміни
- вантажі
- Вибирати
- Вибираючи
- хмара
- КОБОЛ
- спільний
- загальний
- порівняний
- сумісний
- повний
- комплекс
- всеосяжний
- обчислення
- поняття
- конфігурація
- Зв'язки
- Вважати
- вважає
- Консоль
- Контейнер
- містить
- контроль
- контроль
- управління
- Кут
- Відповідний
- може
- створювати
- створений
- створення
- створення
- виготовлений на замовлення
- настройка
- налаштувати
- цикл
- дані
- доступ до даних
- Підготовка даних
- наука про дані
- вчений даних
- день
- присвячених
- глибокий
- дефолт
- затримка
- демонструє
- Залежність
- Залежно
- розгортання
- розгортання
- описувати
- призначений
- деталь
- докладно
- деталі
- Розробник
- розробників
- розвивається
- розробка
- розвивається
- різниця
- Відмінності
- різний
- цифровий
- безпосередньо
- дисплеїв
- Docker
- Ні
- домен
- домени
- Не знаю
- скачати
- безліч
- динамічний
- кожен
- ефект
- зусилля
- інженер
- Машинобудування
- Інженери
- забезпечувати
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- Навколишнє середовище
- середовищах
- Навіть
- Кожен
- приклад
- Приклади
- виконання
- існуючий
- досвід
- Пояснювати
- продовжити
- зовнішній
- полегшує
- кілька
- філе
- Файли
- в кінці кінців
- знайти
- закінчення
- FinTech
- фінтех -стартапи
- фініки
- Перший
- перші кроки
- відповідати
- Сфокусувати
- стежити
- після
- для
- Рамки
- каркаси
- часто
- від
- Паливо
- функціональність
- Крім того
- майбутнє
- майбутнє зростання
- шлюз
- отримати
- GitHub
- Давати
- Золотий
- добре
- управління
- Зростання
- керівництво
- практичний
- Мати
- має
- допомагає
- Високий
- господар
- відбувся
- Як
- How To
- Однак
- HTML
- HTTP
- HTTPS
- Сотні
- ідентифікує
- зображення
- зображень
- Негайний
- негайно
- здійснювати
- реалізація
- реалізації
- implements
- імпорт
- in
- включати
- У тому числі
- збільшений
- інформація
- початковий
- встановлювати
- встановлений
- установка
- екземпляр
- замість
- інструкції
- інтегрований
- інтернет
- Доступ в інтернет
- залучений
- питання
- IT
- Java
- JPG
- мова
- мови
- великий
- останній
- запуск
- шар
- вести
- провідний
- вивчення
- дозволяє
- рівень
- рівні
- libraries
- бібліотека
- Життєвий цикл
- легкий
- МЕЖА
- недоліки
- обмеженою
- рамки
- Лінія
- список
- місцевий
- локально
- Лондон
- Довго
- ВИГЛЯДИ
- низький
- машина
- навчання за допомогою машини
- головний
- зробити
- управляти
- вдалося
- управління
- управління
- керівництво
- вручну
- багато
- ринок
- згаданий
- Меню
- повідомлення
- може бути
- хвилин
- пом'якшення
- ML
- MLOps
- Моделі
- змінювати
- Моменти
- монітор
- більше
- найбільш
- множинний
- ім'я
- рідний
- навігація
- необхідно
- Необхідність
- потреби
- мережу
- Нові
- наступний
- нормально
- ноутбук
- нумпі
- of
- Пропозиції
- offline
- on
- ONE
- відкрити
- операція
- операції
- варіант
- Опції
- OS
- Інше
- власний
- пакет
- пакети
- сторінка
- pane
- параметри
- Виконувати
- продуктивність
- дозвіл
- Дозволи
- наполегливість
- персонал
- Вибори
- трубопровід
- місце
- plato
- Інформація про дані Платона
- PlatoData
- це можливо
- пошта
- потужний
- Практичний
- практики
- переважним
- представлений
- подарунки
- раніше
- проблеми
- процес
- обробка
- виробляти
- Production
- продуктивність
- профіль
- Профілі
- Програмування
- мови програмування
- забезпечувати
- за умови
- забезпечує
- громадськість
- Штовхати
- Натискання
- Python
- піторх
- швидко
- діапазон
- ставка
- швидше
- співвідношення
- Реальний світ
- нещодавно
- визнає
- рекомендувати
- рекомендований
- відносини
- Сховище
- вимагати
- вимагається
- вимога
- Вимога
- Вимагається
- ресурс
- ресурси
- Роль
- Маршрут
- прогін
- біг
- мудрець
- то ж
- sandbox
- зберегти
- шкала
- сценарії
- наука
- вчений
- Вчені
- scripts
- Sdk
- розділ
- розділам
- безпеку
- обраний
- вибір
- чутливий
- Послуги
- комплект
- установка
- установка
- Поділитись
- Склад
- Повинен
- Шоу
- один
- сповільнювати
- невеликий
- менше
- So
- М'який
- Софтвер
- розробка програмного забезпечення
- рішення
- Рішення
- ВИРІШИТИ
- деякі
- Іскритися
- спеціалізуючись
- конкретний
- стабільний
- standard
- старт
- почалася
- починається
- введення в експлуатацію
- Стартапи
- Заява
- Крок
- заходи
- Як і раніше
- Стоп
- зберігання
- зберігати
- зберігати
- просто
- студія
- такі
- підходящий
- підтримка
- Підтримуючий
- перемикач
- таблиця
- Приймати
- приймає
- команди
- технології
- термінал
- тест
- Тести
- Що
- Команда
- їх
- Їх
- Ці
- час
- до
- інструменти
- топ
- поїзд
- Навчання
- що лежить в основі
- Оновити
- Використання
- використання
- використання випадку
- користувач
- користувачі
- версія
- через
- Віртуальний
- обсяг
- чекати
- покрокове керівництво
- шлях..
- Web
- веб-сервіси
- Web-Based
- який
- в той час як
- ВООЗ
- волі
- з
- в
- без
- Work
- працював
- робочий
- працює
- років
- Ти
- вашу
- зефірнет