У попередній після, ми говорили про аналіз і тегування активів, що зберігаються в Veeva Vault PromoMats, за допомогою сервісів Amazon AI та API платформи Veeva Vault. У цій публікації ми досліджуємо, як використовувати Amazon App Flow, повністю керована служба інтеграції, яка дозволяє безпечно передавати дані з додатків програмного забезпечення як послуги (SaaS), таких як Veeva Vault, до AWS. The Роз’єм Amazon AppFlow Veeva дозволяє швидко, надійно та економічно підключити ваше середовище AWS до екосистеми Veeva, щоб аналізувати багатий вміст, що зберігається у Veeva Vault, у масштабі.
Конектор Amazon AppFlow Veeva — це перший конектор Amazon AppFlow, який підтримує автоматичне перенесення Документи Veeva. Це дозволяє вам вибирати між останньою версією ( Стаціонарний стан версія в термінах Veeva) і всі версії документів. Крім того, ви можете імпортувати метадані документа.
За допомогою кількох клацань ви можете легко налаштувати кероване з’єднання та вибрати документи та метадані Veeva Vault для імпорту. Ви можете додатково налаштувати поведінку імпорту, зіставляючи вихідні поля з полями призначення. Ви також можете додати фільтри на основі типу та підтипу документа, класифікації, продуктів, країни, сайту тощо. Нарешті, ви можете додати перевірку та керувати тригерами потоку на вимогу та за розкладом.
Ви можете використовувати конектор Amazon AppFlow Veeva для різних випадків використання, починаючи від Veeva Vault PromoMats і закінчуючи іншими рішеннями Veeva Vault, такими як QualityDocs, eTMF або Regulatory Information Management (RIM). Нижче наведено кілька випадків використання конектора:
- Синхронізація даних – Ви можете використовувати конектор у процесі встановлення узгодженості та гармонізації між даними з джерела Veeva Vault та будь-якими подальшими системами з часом. Наприклад, ви можете поділитися маркетинговими активами Veeva PromoMats із Salesforce. Ви також можете використовувати конектор, щоб надати доступ до документів Veeva QualityDocs, як-от стандартних операційних процедур (SOP) або специфікацій, до кешованих веб-сайтів, які доступні для пошуку з планшетів, наявних на виробництві.
- Виявлення аномалії – Ви можете поділитися документами Veeva PromoMats Amazon Шукає показники для виявлення аномалії. Ви також можете використовувати з’єднувач із Vault RIM в ілюстраціях, комерційних етикетках, шаблонах або листівках для пацієнтів, перш ніж імпортувати їх для друку в корпоративні рішення для маркування, такі як Loftware.
- Гідратація озера даних – З’єднувач може бути ефективним інструментом для копіювання структурованих або неструктурованих даних у озера даних, щоб підтримувати створення та гідратацію озер даних. Наприклад, ви можете використовувати з’єднувач, щоб отримати стандартизовану інформацію про дослідження з протоколів, що зберігаються в Vault RIM, і надати її групам медичної аналітики.
- У реальному часі – Коннектор може бути корисним для надсилання ілюстрацій, клінічних документів, маркетингових матеріалів або протоколів досліджень для перекладу рідними мовами до таких відділів, як пакування, клінічні випробування або нормативні документи.
Ця публікація присвячена тому, як ви можете використовувати Сервіси Amazon AI у поєднанні з Amazon AppFlow для аналізу вмісту, що зберігається в Veeva Vault PromoMats, автоматичного вилучення інформації про теги та остаточного передачі цієї інформації назад у систему Veeva Vault. У публікації обговорюється загальна архітектура, кроки для розгортання рішення та інформаційної панелі, а також сценарій використання тегів метаданих активів. Щоб отримати додаткові відомості про базу коду для підтвердження концепції для цього випадку використання, див GitHub сховище.
Огляд рішення
Наступна діаграма ілюструє оновлену архітектуру рішення.
Раніше, щоб імпортувати активи з Veeva Vault, потрібно було написати власну логіку коду, використовуючи файл API Veeva Vault для опитування щодо змін та імпорту даних до Служба простого зберігання Amazon (Amazon S3). Це може бути ручний, трудомісткий процес, під час якого вам доведеться враховувати обмеження API, помилки та повторні спроби, а також масштабованість для розміщення необмеженої кількості активів. Оновлене рішення використовує Amazon AppFlow, щоб абстрагуватися від складності підтримки спеціального конвеєра імпорту даних Veeva для Amazon S3.
Як згадувалося у вступі, Amazon AppFlow — це простий у використанні інструмент самообслуговування без коду, який використовує конфігурації «наведи і клацни» для легкого та безпечного переміщення даних між різними додатками SaaS та службами AWS. AppFlow дозволяє отримувати дані (об’єкти та документи) з підтримуваних джерел і записувати ці дані в різні підтримувані місця призначення. Джерелом або призначенням може бути програма SaaS або служба AWS, наприклад Amazon S3, Амазонська червона змінаабо Lookout for Metrics. Окрім інтерфейсу без коду, Amazon AppFlow підтримує налаштування через API, AWS CLI та AWS CloudFormation інтерфейси.
Потік у Amazon AppFlow описує, як переміщувати дані, включаючи деталі джерела, деталі призначення, умови запуску потоку (за запитом, за подією чи за розкладом) і завдання обробки даних, такі як контрольні точки, перевірка полів або маскування. Після запуску Amazon AppFlow запускає потік, який отримує вихідні дані (зазвичай через загальнодоступні API вихідної програми), виконує завдання обробки даних і передає оброблені дані до місця призначення.
У цьому прикладі ви розгортаєте попередньо налаштований потік за допомогою шаблону CloudFormation. На наступному знімку екрана показано попередньо налаштований veeva-aws-connector
потік, який автоматично створюється шаблоном рішення на консолі Amazon AppFlow.
Потік використовує Veeva як джерело та налаштований на імпорт об’єктів-компонентів Veeva Vault. І метадані, і вихідні файли необхідні для того, щоб відстежувати активи, які були оброблені, і повертати теги на правильний відповідний ресурс у вихідній системі. У цій ситуації імпортується лише остання версія, а відтворення не включено.
Також потрібно налаштувати пункт призначення потоку. На наступному знімку екрана ми визначаємо формат файлу та структуру папок для сегмента S3, який було створено як частину шаблону CloudFormation.
Нарешті, потік запускається на вимогу для демонстраційних цілей. Це можна змінити так, щоб потік працював за розкладом із максимальною деталізацією 1 хвилина. При запуску за розкладом режим передачі автоматично змінюється з повної передачі на режим поступової передачі. Ви вказуєте поле вихідної позначки часу для відстеження змін. Для випадку використання тегів ми виявили, що Дата останньої зміни налаштування є найбільш прийнятним.
Потім Amazon AppFlow інтегрується з Amazon EventBridge публікувати події кожного разу, коли запуск потоку завершується.
Для кращої стійкості, AVAIAppFlowListener
AWS Lambda функція підключена до EventBridge. Коли запускається подія Amazon AppFlow, вона перевіряє, що певний запуск потоку завершився успішно, зчитує інформацію метаданих усіх імпортованих активів із цього конкретного прогону потоку та переміщує метадані окремого документа в Служба простої черги Amazon (Amazon SQS) черга. Використання Amazon SQS забезпечує слабке з’єднання між розділами архітектури виробника і процесора, а також дозволяє вносити зміни в розділ процесора, не зупиняючи вхідних оновлень.
Друга функція опитування (AVAIQueuePoller
) читає чергу SQS з частими інтервалами (щохвилини) та обробляє вхідні активи. Для ще кращого часу реакції від функції лямбда ви можете замінити правило CloudWatch, налаштувавши Amazon SQS як тригер для функції.
Залежно від типу вхідного повідомлення, рішення використовує різні сервіси AWS AI для отримання інформації з ваших даних. Деякі приклади включають:
- Текстові файли – Функція використовує DetectEntities функціонування Amazon Comprehend Medical, служба обробки природної мови (NLP), яка спрощує використання ML для отримання відповідної медичної інформації з неструктурованого тексту. Ця операція виявляє сутності в таких категоріях, як
Anatomy
,Medical_Condition
,Medication
,Protected_Health_Information
таTest_Treatment_Procedure
. Отриманий результат фільтрується дляProtected_Health_Information
, а інформація, що залишилася, разом із показниками довіри, зрівнюється та вставляється в файл Amazon DynamoDB стіл. Ця інформація наноситься на кластер OpenSearch Kibana. У реальних програмах ви також можете використовувати Amazon Comprehend Medical МКБ-10-CM або RxNorm функція зв’язування виявленої інформації з медичними онтологіями, щоб подальші програми охорони здоров’я могли використовувати її для подальшого аналізу. - зображень – Функція використовує DetectLabels метод Amazon Rekognition для виявлення міток у вхідному зображенні. Ці ярлики можуть діяти як теги, щоб ідентифікувати багату інформацію, заховану у ваших зображеннях, наприклад інформацію про комерційні ілюстрації та клінічні етикетки. Якщо етикетки подобаються
Human
orPerson
виявляються з достовірністю понад 80%, код використовує DetectFaces метод пошуку ключових рис обличчя, таких як очі, ніс і рот, щоб виявити обличчя на вхідному зображенні. Amazon Rekognition надає всю цю інформацію з відповідним показником достовірності, який вирівнюється і зберігається в таблиці DynamoDB. - Записи голосу – Для аудіоактивів код використовує StartTranscriptionJob асинхронний метод Амазонська розшифровка транскрибувати вхідний аудіо в текст, передаючи унікальний ідентифікатор як
TranscriptionJobName
. Код передбачає, що мова аудіо – англійська (США), але ви можете змінити її, щоб прив’язати до інформації, що надходить із Veeva Vault. Код викликає GetTranscriptionJob метод, передаючи той самий унікальний ідентифікатор, що й методTranscriptionJobName
в циклі, доки робота не буде завершена. Amazon Transcribe доставляє вихідний файл у сегменті S3, який зчитується кодом і видаляється. Код викликає робочий процес обробки тексту (як обговорювалося раніше) для вилучення об’єктів із транскрибованого аудіо. - Скановані документи (PDF) – Великий відсоток активів наук про життя представлено в PDF-файлах — це може бути що завгодно: від наукових журналів і дослідницьких робіт до етикеток ліків. Текст Amazon — це служба, яка автоматично витягує текст і дані зі відсканованих документів. Код використовує StartDocumentTextDetection метод для запуску асинхронного завдання для виявлення тексту в документі. Код використовує
JobId
повернуто у відповідь на дзвінок GetDocumentTextDetection в циклі, доки робота не буде завершена. Вихідна структура JSON містить рядки та слова виявленого тексту, а також показники впевненості для кожного елемента, який вона ідентифікує, тому ви можете приймати обґрунтовані рішення про те, як використовувати результати. Код обробляє структуру JSON для відтворення текстової анотації та викликає робочий процес обробки тексту для вилучення об’єктів із тексту.
У таблиці DynamoDB зберігаються всі оброблені дані. Розчин використовує Потоки DynamoDB і лямбда-тригери (AVAIPopulateES
) для заповнення даних у кластер OpenSearch Kibana. Функція AVAIPopulateES виконується для кожної операції оновлення, вставки та видалення, що відбувається в таблиці DynamoDB, і вставляє один відповідний запис в індекс OpenSearch. Ви можете візуалізувати ці записи за допомогою Kibana.
Щоб замкнути цикл зворотного зв’язку, AVAICustomFieldPopulator
Лямбда-функція була створена. Він ініціюється подіями в потоці DynamoDB таблиці метаданих DynamoDB. Для кожного DocumentID
у записах DynamoDB функція намагається додати інформацію про тег у попередньо визначену властивість користувацького поля активу з відповідним ідентифікатором у Veeva, використовуючи Veeva API. Щоб уникнути вставки шуму в спеціальне поле, функція лямбда фільтрує будь-які теги, які були ідентифіковані з показником достовірності нижчим за 0.9. Невдале запити пересилаються до черги недопущених листів (DLQ) для перевірки вручну або автоматичної повторної спроби.
Це рішення пропонує безсерверний підхід з оплатою по мірі використання для обробки, позначення та включення комплексного пошуку ваших цифрових активів. Крім того, кожен керований компонент має високу доступність, вбудовану завдяки автоматичному розгортанню в кількох зонах доступності. Для Служба Amazon OpenSearch (наступника Amazon Elasticsearch Service), ви можете вибрати три-AZ варіант щоб забезпечити кращу доступність для ваших доменів.
Передумови
Для цього покрокового керівництва ви повинні мати такі передумови:
- An Обліковий запис AWS з відповідною Управління ідентифікацією та доступом AWS (IAM) для запуску шаблону CloudFormation
- Відповідні облікові дані для доступу до домену Veeva Vault PromoMats (URL-адреса домену, ім’я користувача та пароль)
- Спеціальний тег вмісту, визначений у Veeva для цифрових активів, які ви хочете позначити (як приклад, ми створили
AutoTags
власний тег вмісту) - Цифрові активи в PromoMats Vault доступні за попередніми обліковими даними
Розгорніть своє рішення
Ви використовуєте стек CloudFormation для розгортання рішення. Стек створює всі необхідні ресурси, зокрема:
- Відро S3 для зберігання вхідних активів.
- Потік Amazon AppFlow для автоматичного імпорту активів у сегмент S3.
- Правило EventBridge та функція Lambda для реакції на події, створені Amazon AppFlow (
AVAIAppFlowListener
). - Черга SQS FIFO, яка виконує роль слабкого зв’язку між функцією слухача (
AVAIAppFlowListener
) і функція опитувальника (AVAIQueuePoller
). - Таблиця DynamoDB для зберігання результатів послуг Amazon AI.
- Кластер Amazon OpenSearch Kibana (ELK) для візуалізації проаналізованих тегів.
- Функція Lambda для повернення ідентифікованих тегів у Veeva (
AVAICustomFieldPopulator
), з відповідним DLQ. - Необхідні лямбда-функції:
- AVAIAppFlowListener – Ініціюється подіями, переданими Amazon AppFlow на EventBridge. Використовується для перевірки виконання потоку та надсилання повідомлення до черги SQS.
- AVAIQueuePoller – Спрацьовує кожні 1 хвилину. Використовується для опитування черги SQS, обробки активів за допомогою сервісів Amazon AI та заповнення таблиці DynamoDB.
- AVAIPulateES – Активується, коли відбувається оновлення, вставка або видалення таблиці DynamoDB. Використовується для запису змін із DynamoDB та заповнення кластера ELK.
- AVAICustomFieldPopulator – Спрацьовує, коли в таблиці DynamoDB виконується оновлення, вставка або видалення. Використовується для передачі інформації тегів у Veeva.
- Команда Події Amazon CloudWatch правила, які запускають
AVAIQueuePoller
функція. Ці тригери знаходяться вDISABLED
стан за замовчуванням. - Обов’язкові ролі та політики IAM для взаємодії з EventBridge та службами штучного інтелекту у зменшеному порядку.
Щоб почати, виконайте такі дії:
- Увійдіть у Консоль управління AWS з обліковим записом, який має необхідні дозволи IAM.
- Вибирати Запустити стек і відкрийте його на новій вкладці:
- на Створити стек сторінку, виберіть МАЙБУТНІ.
- на Вкажіть деталі стека сторінки, введіть назву для стека.
- Введіть значення параметрів.
- Вибирати МАЙБУТНІ.
- на Налаштувати параметри стека сторінку, залиште все за замовчуванням і виберіть МАЙБУТНІ.
- на Розгляд сторінка, в Можливості та перетворення розділі, встановіть три прапорці.
- Вибирати Створити стек.
- Зачекайте, поки стек завершиться. Ви можете переглянути різноманітні події процесу створення стека на Події Вкладка.
- Після завершення створення стека ви можете подивитися на ресурси вкладку, щоб побачити всі ресурси, створені шаблоном CloudFormation.
- на Виходи вкладку, скопіюйте значення
ESDomainAccessPrincipal
.
Це ARN ролі IAM AVAIPopulateES
функція передбачає. Ви використовуєте його пізніше, щоб налаштувати доступ до домену Amazon OpenSearch Service.
Налаштуйте Amazon OpenSearch Service і Kibana
У цьому розділі описано, як захистити ваш кластер Amazon OpenSearch Service та встановити локальний проксі для безпечного доступу до Kibana.
- На консолі Amazon OpenSearch Service виберіть домен, створений за допомогою шаблону.
- на Дії меню, виберіть Змінити політику доступу.
- для Політика доступу до доменувиберіть Спеціальна політика доступу.
- У Політика доступу буде очищена спливаюче вікно, виберіть Очистіть і продовжуйте.
- На наступній сторінці налаштуйте такі оператори, щоб заблокувати доступ до домену Amazon OpenSearch Service:
- Дозволити адресу IPv4 – Ваша IP-адреса.
- Дозволити IAM ARN – Значення
ESDomainAccessPrincipal
ви скопіювали раніше.
- Вибирати Надіслати.
Це створює політику доступу, яка надає доступ до функції AVAIPopulateES і доступ Kibana з вашої IP-адреси. Додаткову інформацію про обмеження політики доступу див Налаштування політик доступу.
- Зачекайте, поки статус домену відобразиться як
Active
. - На консолі Amazon EventBridge див Подіївиберіть Правила. Ви можете побачити два правила, створені шаблоном CloudFormation.
- Виберіть
AVAIQueuePollerSchedule
правило та ввімкніть його, клацнувши включити.
Через 5–8 хвилин дані почнуть надходити, і об’єкти створюються в кластері Amazon OpenSearch Service. Тепер ви можете візуалізувати ці сутності в Kibana. Для цього ви використовуєте проксі з відкритим кодом під назвою авс-ес-кібана. Щоб встановити проксі-сервер на комп’ютер, введіть наступний код:
aws-es-kibana your_OpenSearch_domain_endpoint
Ви можете знайти кінцеву точку домену на Виходи вкладку стеку CloudFormation під ESDomainEndPoint
. Ви повинні побачити такий вихід:
Створюйте візуалізації та аналізуйте тегований вміст
Будь ласка, зверніться до оригіналу блогпост.
Прибирати
Щоб уникнути майбутніх витрат, видаляйте ресурси, коли вони не використовуються. Ви можете легко видалити всі ресурси, видаливши пов’язаний стек CloudFormation. Зауважте, що вам потрібно очистити створені сегменти S3 від вмісту, щоб видалення стека було успішним.
Висновок
У цій публікації ми продемонстрували, як ви можете використовувати служби Amazon AI у поєднанні з Amazon AppFlow, щоб розширити функціональні можливості Veeva Vault PromoMats і швидко й легко отримувати цінну інформацію. Вбудований механізм зворотного зв’язку дозволяє оновлювати теги назад у Veeva Vault і вмикати автоматичне позначення тегами ваших ресурсів. Це спрощує вашій команді швидкий пошук і місцезнаходження активів.
Хоча жоден результат ML не є ідеальним, він може бути дуже близьким до продуктивності людини і допомогти компенсувати значну частину зусиль вашої команди. Ви можете використовувати цю додаткову ємність для виконання завдань із доданою вартістю, виділивши невелику ємність для перевірки результатів рішення ML. Це рішення також може допомогти оптимізувати витрати, досягти узгодженості тегів і дозволити швидко знайти наявні активи.
Нарешті, ви можете зберегти право власності на свої дані та вибрати, які служби AWS можуть обробляти, зберігати та розміщувати вміст. AWS не отримує доступ до вашого вмісту і не використовує його для будь-яких цілей без вашої згоди і ніколи не використовує дані клієнтів для отримання інформації для маркетингу чи реклами. Додаткову інформацію див Поширені запитання про конфіденційність даних.
Ви також можете розширити функціональність цього рішення за допомогою додаткових удосконалень. Наприклад, на додаток до служб штучного інтелекту та машинного навчання, описаних у цій публікації, ви можете легко додати будь-яку свою власну модель машинного навчання, створену за допомогою Amazon SageMaker до архітектури.
Якщо ви зацікавлені в дослідженні додаткових варіантів використання Veeva та AWS, зв’яжіться зі своєю командою облікових записів AWS.
Veeva Systems переглянула та схвалила цей вміст. З додатковими запитаннями щодо Veeva Vault звертайтеся Підтримка Veeva.
Про авторів
Маянк Таккар є керівником відділу AI/ML Business Development, Global Healthcare and Life Sciences в AWS. Він має більш ніж 18-річний досвід роботи в різних галузях, таких як охорона здоров’я, науки про життя, страхування та роздрібна торгівля, спеціалізується на створенні рішень без серверів, штучного інтелекту та машинного навчання для вирішення реальних галузевих проблем. У AWS він тісно співпрацює з великими фармацевтичними компаніями по всьому світу, щоб створювати передові рішення та допомагати їм у їхньому хмарному шляху. Окрім роботи, Маянк разом із дружиною займається вихованням двох енергійних і пустотливих хлопчиків, Ар’яна (6) та Кіаана (4), намагаючись уберегти будинок від згоряння чи затоплення!
Анамарія Тодор є старшим архітектором рішень у Копенгагені, Данія. Свій перший комп’ютер вона побачила, коли їй було 4 роки, і з тих пір ніколи не відпускала інформатику та інженерію. Вона працювала на різних технічних посадах від розробника повного стека до інженера даних, технічного керівника та технічного директора в різних данських компаніях. Анамарія має ступінь бакалавра в галузі прикладної інженерії та комп’ютерних наук, ступінь магістра комп’ютерних наук і понад 10 років практичного досвіду роботи з AWS. В AWS вона тісно співпрацює з компаніями, які займаються охороною здоров’я та науками про життя в корпоративному сегменті. Коли вона не працює або не грає у відеоігри, вона навчає дівчат і професіоналів у розумінні та знаходженні свого шляху за допомогою технологій.
- Coinsmart. Найкраща в Європі біржа біткойн та криптовалют.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. БЕЗКОШТОВНИЙ ДОСТУП.
- CryptoHawk. Альткойн Радар. Безкоштовне випробування.
- Джерело: https://aws.amazon.com/blogs/machine-learning/analyze-and-tag-assets-stored-in-veeva-vault-promomats-using-amazon-appflow-and-amazon-ai-services/
- "
- 10
- 100
- 7
- 9
- a
- МЕНЮ
- РЕЗЮМЕ
- доступ
- доступною
- розмістити
- рахунки
- Achieve
- через
- Діяти
- доповнення
- Додатковий
- адреса
- реклама
- AI
- Послуги ШІ
- ВСІ
- дозволяє
- Amazon
- кількість
- аналіз
- аналітика
- аналізувати
- крім
- API
- Інтерфейси
- додаток
- застосування
- прикладної
- підхід
- відповідний
- архітектура
- навколо
- штучний
- штучний інтелект
- витвір мистецтва
- активи
- Активи
- асоційований
- аудіо
- автоматичний
- автоматично
- наявність
- AWS
- перед тим
- буття
- Краще
- між
- border
- будувати
- Створюємо
- вбудований
- бізнес
- call
- можливості
- потужність
- випадок
- випадків
- вантажі
- Вибирати
- класифікація
- клінічні випробування
- хмара
- тренування
- код
- поєднання
- Приходити
- майбутній
- комерційний
- Компанії
- повний
- компонент
- всеосяжний
- комп'ютер
- Інформатика
- концепція
- Умови
- довіра
- конфігурація
- З'єднуватися
- зв'язку
- згода
- Консоль
- контакт
- містить
- зміст
- Відповідний
- витрати
- може
- країна
- створювати
- створений
- створює
- створення
- Повноваження
- CTO
- виготовлений на замовлення
- клієнт
- передовий
- приладова панель
- дані
- обробка даних
- рішення
- постачає
- Попит
- продемонстрований
- Denmark
- розгортання
- розгортання
- призначення
- напрямки
- деталі
- виявлено
- Виявлення
- Розробник
- розробка
- цифровий
- Цифрові активи
- відкриття
- документація
- Ні
- домен
- домени
- вниз
- наркотик
- кожен
- легко
- легкий у використанні
- екосистема
- Ефективний
- зусилля
- включіть
- дозволяє
- Кінцева точка
- інженер
- Машинобудування
- англійська
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- юридичні особи
- Навколишнє середовище
- Event
- Події
- все
- приклад
- Приклади
- існуючий
- досвід
- дослідити
- продовжити
- Виписки
- особи
- особливість
- риси
- зворотний зв'язок
- жінка
- Поля
- Фільтри
- виявлення
- Перший
- потік
- фокусується
- після
- формат
- знайдений
- від
- Повний
- функція
- функціональність
- Функції
- далі
- майбутнє
- Games
- в цілому
- генерується
- отримання
- дівчинки
- Глобальний
- гранти
- практичний
- голова
- охорона здоров'я
- допомога
- Високий
- будинок
- Як
- How To
- HTTPS
- людина
- ідентифікатор
- ідентифікувати
- Особистість
- зображення
- зображень
- імпорт
- включати
- включені
- У тому числі
- індекс
- індивідуальний
- промисловості
- промисловість
- інформація
- повідомив
- вхід
- Вставки
- розуміння
- розуміння
- встановлювати
- страхування
- інтегрований
- інтеграція
- Інтелект
- взаємодіючих
- зацікавлений
- інтерфейс
- IP
- IP-адреса
- IT
- робота
- подорож
- тримати
- ключ
- маркування
- етикетки
- мова
- мови
- великий
- останній
- запуск
- вести
- Залишати
- Life Sciences
- ліній
- LINK
- місцевий
- подивитися
- машина
- підтримувати
- зробити
- РОБОТИ
- управляти
- вдалося
- управління
- манера
- керівництво
- виробництво
- відображення
- Маркетинг
- магістра
- Матеріали
- механізм
- медичний
- згаданий
- Метрика
- ML
- Моделі
- більше
- найбільш
- рухатися
- множинний
- Природний
- необхідно
- потреби
- наступний
- шум
- Пропозиції
- зсув
- відкрити
- операційний
- операція
- Оптимізувати
- Опції
- порядок
- оригінал
- Інше
- загальний
- власний
- власність
- частина
- Проходження
- Пароль
- пацієнт
- відсоток
- ідеальний
- продуктивність
- Pharma
- ігри
- будь ласка
- Політика
- політика
- голосування
- спливаючий
- представити
- попередній
- недоторканність приватного життя
- проблеми
- процес
- процеси
- обробка
- процесор
- виробник
- Продукти
- професіонали
- доказ
- доказ концепції
- власність
- протоколи
- забезпечувати
- забезпечує
- повноваження
- громадськість
- публікувати
- мета
- цілей
- штовхнув
- Швидко
- швидко
- залучення
- ранжування
- досягати
- Реагувати
- реакція
- запис
- облік
- регуляторні
- доречний
- решті
- представлений
- запитів
- дослідження
- ресурси
- відповідь
- в результаті
- результати
- роздрібна торгівля
- Роль
- Правила
- прогін
- то ж
- масштабованість
- шкала
- плановий
- наука
- НАУКИ
- безпечно
- сегмент
- Без сервера
- обслуговування
- Послуги
- комплект
- установка
- Поділитись
- Показувати
- простий
- з
- сайт
- ситуація
- невеликий
- So
- Софтвер
- програмне забезпечення як послуга
- solid
- рішення
- Рішення
- ВИРІШИТИ
- деякі
- спеціалізується
- конкретний
- специфікації
- стек
- standard
- старт
- почалася
- стан
- заяви
- Статус
- зберігання
- зберігати
- магазинів
- потік
- структурований
- Вивчення
- істотний
- успішний
- Успішно
- підтримка
- Підтриманий
- Підтримуючий
- Опори
- система
- Systems
- завдання
- команда
- команди
- технічний
- Технологія
- Шаблони
- terms
- Команда
- Джерело
- світ
- три
- через
- TIE
- час
- трудомісткий
- інструмент
- до
- трек
- Відстеження
- переклад
- переклади
- Переклад
- спрацьовує
- при
- розуміння
- створеного
- необмежений
- Оновити
- Updates
- us
- використання
- перевірка достовірності
- значення
- різний
- склеп
- версія
- Відео
- відеоігри
- веб-сайти
- в той час як
- без
- слова
- Work
- працював
- робочий
- працює
- світ
- років
- вашу