Trong bài đăng này, chúng tôi trình bày cách định cấu hình tính năng xác thực dựa trên OAuth mới để sử dụng Snowflake in Trình sắp xếp dữ liệu Amazon SageMaker. Snowflake là một nền tảng dữ liệu đám mây cung cấp các giải pháp dữ liệu cho kho dữ liệu cho khoa học dữ liệu. Bông tuyết là một Đối tác AWS với nhiều chứng nhận của AWS, bao gồm các năng lực của AWS về máy học (ML), bán lẻ cũng như dữ liệu và phân tích.
Data Wrangler đơn giản hóa quy trình chuẩn bị dữ liệu và kỹ thuật tính năng, giảm thời gian từ vài tuần xuống còn vài phút bằng cách cung cấp một giao diện trực quan duy nhất cho các nhà khoa học dữ liệu để chọn và làm sạch dữ liệu, tạo tính năng và tự động hóa việc chuẩn bị dữ liệu trong quy trình ML mà không cần viết bất kỳ mã nào. Bạn có thể nhập dữ liệu từ nhiều nguồn dữ liệu, chẳng hạn như Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3), amazon Athena, Amazon RedShift, Amazon EMR, và Bông tuyết. Với tính năng mới này, bạn có thể sử dụng nhà cung cấp danh tính (IdP) của riêng mình, chẳng hạn như Okta, QUẢNG CÁO Azure, hoặc là liên bang bình để kết nối với Snowflake qua Data Wrangler.
Tổng quan về giải pháp
Trong các phần sau, chúng tôi cung cấp các bước để quản trị viên thiết lập IdP, Snowflake và Studio. Chúng tôi cũng trình bày chi tiết các bước mà các nhà khoa học dữ liệu có thể thực hiện để định cấu hình luồng dữ liệu, phân tích chất lượng dữ liệu và thêm các chuyển đổi dữ liệu. Cuối cùng, chúng tôi trình bày cách xuất luồng dữ liệu và huấn luyện một mô hình bằng cách sử dụng Máy lái tự động SageMaker.
Điều kiện tiên quyết
Đối với hướng dẫn này, bạn nên có các điều kiện tiên quyết sau:
- Đối với quản trị viên:
- Người dùng Snowflake có quyền tạo tích hợp lưu trữ và tích hợp bảo mật trong Snowflake.
- Tài khoản AWS có quyền tạo Quản lý truy cập và nhận dạng AWS (IAM) chính sách và vai trò.
- Quyền truy cập và quyền định cấu hình IDP để đăng ký ứng dụng Data Wrangler và thiết lập máy chủ ủy quyền hoặc API.
- Đối với nhà khoa học dữ liệu:
Thiết lập quản trị viên
Thay vì yêu cầu người dùng của bạn nhập trực tiếp thông tin xác thực Snowflake của họ vào Data Wrangler, bạn có thể yêu cầu họ sử dụng IdP để truy cập Snowflake.
Các bước sau đây có liên quan để cho phép truy cập OAuth của Data Wrangler vào Snowflake:
- Định cấu hình IdP.
- Định cấu hình Bông tuyết.
- Định cấu hình SageMaker Studio.
Định cấu hình IdP
Để thiết lập IdP, bạn phải đăng ký ứng dụng Data Wrangler và thiết lập máy chủ ủy quyền hoặc API của mình.
Đăng ký ứng dụng Data Wrangler trong IdP
Tham khảo tài liệu sau để biết các IdP mà Data Wrangler hỗ trợ:
Sử dụng tài liệu do IdP của bạn cung cấp để đăng ký ứng dụng Data Wrangler. Thông tin và quy trình trong phần này giúp bạn hiểu cách sử dụng đúng tài liệu do IdP của bạn cung cấp.
Các tùy chỉnh cụ thể ngoài các bước trong hướng dẫn tương ứng được gọi ra trong các phần phụ.
- Chọn cấu hình để bắt đầu quá trình đăng ký Data Wrangler làm ứng dụng.
- Cung cấp cho người dùng trong IdP quyền truy cập vào Data Wrangler.
- Bật xác thực ứng dụng khách OAuth bằng cách lưu trữ thông tin xác thực ứng dụng khách dưới dạng bí mật Trình quản lý bí mật.
- Chỉ định URL chuyển hướng bằng định dạng sau:
https://domain-ID.studio.AWS Region.sagemaker.aws/jupyter/default/lab
.
Bạn đang chỉ định ID miền SageMaker và Khu vực AWS mà bạn đang sử dụng để chạy Trình sắp xếp dữ liệu. Bạn phải đăng ký URL cho từng miền và Khu vực mà bạn đang chạy Trình sắp xếp dữ liệu. Người dùng từ miền và Khu vực chưa thiết lập URL chuyển hướng cho họ sẽ không thể xác thực bằng IdP để truy cập kết nối Snowflake.
- Đảm bảo rằng mã ủy quyền và các loại cấp mã thông báo làm mới được cho phép đối với ứng dụng Trình sắp xếp dữ liệu của bạn.
Thiết lập máy chủ ủy quyền hoặc API trong IdP
Trong IdP của mình, bạn phải thiết lập máy chủ ủy quyền hoặc giao diện lập trình ứng dụng (API). Đối với mỗi người dùng, máy chủ ủy quyền hoặc API sẽ gửi mã thông báo tới Data Wrangler với Snowflake là đối tượng.
Snowflake sử dụng khái niệm về vai trò khác với các vai trò IAM được sử dụng trong AWS. Bạn phải định cấu hình IdP để sử dụng BẤT KỲ Vai trò nào để sử dụng vai trò mặc định được liên kết với tài khoản Snowflake. Ví dụ: nếu người dùng có systems administrator
làm vai trò mặc định trong hồ sơ Snowflake của họ, kết nối từ Data Wrangler đến Snowflake sử dụng systems administrator
như vai diễn.
Sử dụng quy trình sau để thiết lập máy chủ ủy quyền hoặc API trong IdP của bạn:
- Từ IdP của bạn, hãy bắt đầu quá trình thiết lập máy chủ hoặc API.
- Định cấu hình máy chủ ủy quyền để sử dụng mã ủy quyền và làm mới các loại cấp mã thông báo.
- Chỉ định thời gian tồn tại của mã thông báo truy cập.
- Đặt thời gian chờ không hoạt động của mã thông báo làm mới.
Thời gian chờ không hoạt động là thời gian mà mã thông báo làm mới hết hạn nếu nó không được sử dụng. Nếu bạn đang lên lịch cho các công việc trong Trình sắp xếp dữ liệu, chúng tôi khuyên bạn nên đặt thời gian chờ không hoạt động lớn hơn tần suất của công việc đang xử lý. Nếu không, một số công việc xử lý có thể không thành công vì mã thông báo làm mới đã hết hạn trước khi chúng có thể chạy. Khi mã thông báo làm mới hết hạn, người dùng phải xác thực lại bằng cách truy cập vào kết nối mà họ đã tạo với Snowflake thông qua Trình sắp xếp dữ liệu.
Lưu ý rằng Trình sắp xếp dữ liệu không hỗ trợ mã thông báo làm mới luân phiên. Việc sử dụng mã thông báo làm mới luân phiên có thể dẫn đến lỗi truy cập hoặc người dùng cần đăng nhập thường xuyên.
Nếu mã thông báo làm mới hết hạn, người dùng của bạn phải xác thực lại bằng cách truy cập vào kết nối mà họ đã tạo với Snowflake thông qua Trình sắp xếp dữ liệu.
- Chỉ định
session:role-any
như phạm vi mới.
Đối với Azure AD, bạn cũng phải chỉ định một mã định danh duy nhất cho phạm vi.
Sau khi thiết lập nhà cung cấp OAuth, bạn cung cấp cho Trình sắp xếp dữ liệu thông tin cần thiết để kết nối với nhà cung cấp. Bạn có thể sử dụng tài liệu từ IdP của mình để nhận giá trị cho các trường sau:
- URL mã thông báo – URL của mã thông báo mà IdP gửi đến Data Wrangler
- URL ủy quyền – URL của máy chủ ủy quyền của IdP
- ID khách hàng – ID của IdP
- Bí mật khách hàng – Bí mật mà chỉ có máy chủ ủy quyền hoặc API nhận ra
- phạm vi OAuth – Cái này chỉ dành cho Azure AD
Định cấu hình bông tuyết
Để định cấu hình Snowflake, hãy hoàn thành các hướng dẫn trong Nhập dữ liệu từ Snowflake.
Sử dụng tài liệu Snowflake dành cho IdP của bạn để thiết lập tích hợp OAuth bên ngoài trong Snowflake. Xem phần trước Đăng ký ứng dụng Data Wrangler trong IdP để biết thêm thông tin về cách thiết lập tích hợp OAuth bên ngoài.
Khi bạn thiết lập tích hợp bảo mật trong Snowflake, hãy đảm bảo bạn kích hoạt external_oauth_any_role_mode
.
Định cấu hình SageMaker Studio
Bạn lưu trữ các trường và giá trị trong Secrets Manager và thêm nó vào Cấu hình vòng đời Studio mà bạn đang sử dụng cho Trình sắp xếp dữ liệu. Cấu hình vòng đời là tập lệnh shell tự động tải thông tin đăng nhập được lưu trữ bí mật khi người dùng đăng nhập vào Studio. Để biết thông tin về cách tạo bí mật, hãy xem Di chuyển các bí mật được mã hóa cứng sang AWS Secrets Manager. Để biết thông tin về cách sử dụng Cấu hình vòng đời trong Studio, hãy xem Sử dụng cấu hình vòng đời với Amazon SageMaker Studio.
Tạo bí mật cho thông tin đăng nhập Snowflake
Để tạo bí mật cho thông tin xác thực Snowflake, hãy hoàn thành các bước sau:
- Trên bảng điều khiển Secrets Manager, chọn Lưu trữ một bí mật mới.
- Trong Loại bí mật, lựa chọn Loại bí mật khác.
- Chỉ định chi tiết bí mật của bạn dưới dạng các cặp khóa-giá trị.
Tên khóa yêu cầu chữ thường do phân biệt chữ hoa chữ thường. Data Wrangler đưa ra cảnh báo nếu bạn nhập sai bất kỳ thông tin nào trong số này. Nhập các giá trị bí mật dưới dạng cặp khóa-giá trị Khóa/giá trị nếu bạn muốn hoặc sử dụng Văn bản thô tùy chọn.
Sau đây là định dạng của bí mật được sử dụng cho Okta. Nếu bạn đang sử dụng Azure AD, bạn cần thêm datasource_oauth_scope
trường.
- Cập nhật các giá trị trước với lựa chọn IdP của bạn và thông tin được thu thập sau khi đăng ký ứng dụng.
- Chọn Sau.
- Trong Tên bí mật, thêm tiền tố
AmazonSageMaker
(ví dụ, bí mật của chúng tôi làAmazonSageMaker-DataWranglerSnowflakeCreds
). - Trong tạp chí Tag phần, thêm một thẻ với khóa
SageMaker
và giá trịtrue
. - Chọn Sau.
- Phần còn lại của các trường là tùy chọn; chọn Sau cho đến khi bạn có tùy chọn để chọn Cửa hàng sách để lưu giữ bí mật.
Sau khi lưu trữ bí mật, bạn sẽ quay lại bảng điều khiển Trình quản lý bí mật.
- Chọn bí mật bạn vừa tạo, sau đó truy xuất ARN bí mật.
- Lưu trữ thông tin này trong trình soạn thảo văn bản ưa thích của bạn để sử dụng sau này khi bạn tạo nguồn dữ liệu Trình sắp xếp dữ liệu.
Tạo cấu hình vòng đời Studio
Để tạo Cấu hình vòng đời trong Studio, hãy hoàn thành các bước sau:
- Trên bảng điều khiển SageMaker, chọn Cấu hình vòng đời trong khung điều hướng.
- Chọn Tạo cấu hình.
- Chọn Ứng dụng máy chủ Jupyter.
- Tạo cấu hình vòng đời mới hoặc nối thêm cấu hình hiện có với nội dung sau:
Cấu hình tạo một tệp có tên ".snowflake_identity_provider_oauth_config"
, chứa bí mật trong thư mục nhà của người dùng.
- Chọn Tạo cấu hình.
Đặt Cấu hình Vòng đời mặc định
Hoàn thành các bước sau để đặt Cấu hình Vòng đời mà bạn vừa tạo làm mặc định:
- Trên bảng điều khiển SageMaker, chọn Tên miền trong khung điều hướng.
- Chọn miền Studio mà bạn sẽ sử dụng cho ví dụ này.
- trên Môi trường tab, trong Cấu hình vòng đời cho các ứng dụng Studio cá nhân phần, chọn Đính kèm.
- Trong nguồn, lựa chọn cấu hình hiện có.
- Chọn cấu hình bạn vừa thực hiện, sau đó chọn Đính kèm vào miền.
- Chọn cấu hình mới và chọn Thiết lập mặc định, sau đó chọn Thiết lập mặc định một lần nữa trong thông báo bật lên.
Cài đặt mới của bạn bây giờ sẽ hiển thị bên dưới Cấu hình vòng đời cho các ứng dụng Studio cá nhân như mặc định.
- Tắt ứng dụng Studio và chạy lại để các thay đổi có hiệu lực.
Kinh nghiệm khoa học dữ liệu
Trong phần này, chúng tôi đề cập đến cách các nhà khoa học dữ liệu có thể kết nối với Snowflake dưới dạng nguồn dữ liệu trong Data Wrangler và chuẩn bị dữ liệu cho ML.
Tạo luồng dữ liệu mới
Để tạo luồng dữ liệu của bạn, hãy hoàn thành các bước sau:
- Trên bảng điều khiển SageMaker, chọn Xưởng sản xuất Amazon SageMaker trong khung điều hướng.
- Chọn Mở Studio.
- trên trường quay Trang Chủ trang, chọn Nhập và chuẩn bị dữ liệu trực quan. Ngoài ra, trên Tập tin thả xuống, chọn Mới, sau đó chọn Luồng sắp xếp dữ liệu của SageMaker.
Việc tạo một luồng mới có thể mất vài phút.
- trên Nhập dữ liệu trang, chọn Tạo kết nối.
- Chọn Snowflake từ danh sách các nguồn dữ liệu.
- Trong Phương pháp xác thực, chọn OAuth.
Nếu bạn không thấy OAuth, hãy xác minh các bước Cấu hình vòng đời trước đó.
- Nhập chi tiết cho Tên tài khoản bông tuyết và Tích hợp bộ nhớ.
- Nhập tên kết nối và chọn Kết nối.
Bạn được chuyển hướng đến trang xác thực IdP. Đối với ví dụ này, chúng tôi đang sử dụng Okta.
- Nhập tên người dùng và mật khẩu của bạn, sau đó chọn Đăng nhập.
Sau khi xác thực thành công, bạn sẽ được chuyển hướng đến trang luồng dữ liệu Studio.
- trên Nhập dữ liệu từ Snowflake trang, duyệt các đối tượng cơ sở dữ liệu hoặc chạy truy vấn cho dữ liệu được nhắm mục tiêu.
- Trong trình chỉnh sửa truy vấn, hãy nhập một truy vấn và xem trước kết quả.
Trong ví dụ sau, chúng tôi tải Dữ liệu khoản vay và truy xuất tất cả các cột từ 5,000 hàng.
- Chọn Nhập khẩu.
- Nhập tên tập dữ liệu (đối với bài đăng này, chúng tôi sử dụng
snowflake_loan_dataset
) và lựa chọn Thêm.
Bạn được chuyển hướng đến Chuẩn bị , nơi bạn có thể thêm các phép biến đổi và phân tích vào dữ liệu.
Data Wrangler giúp dễ dàng nhập dữ liệu và thực hiện các tác vụ chuẩn bị dữ liệu như phân tích dữ liệu khám phá, lựa chọn tính năng và kỹ thuật tính năng. Chúng tôi chỉ đề cập đến một số khả năng của Data Wrangler trong bài đăng này về chuẩn bị dữ liệu; bạn có thể sử dụng Data Wrangler để phân tích dữ liệu nâng cao hơn như tầm quan trọng của tính năng, rò rỉ mục tiêu và khả năng giải thích mô hình bằng giao diện người dùng dễ dàng và trực quan.
Phân tích chất lượng dữ liệu
Sử dụng Báo cáo chất lượng dữ liệu và thông tin chi tiết để thực hiện phân tích dữ liệu mà bạn đã nhập vào Data Wrangler. Data Wrangler tạo báo cáo từ dữ liệu được lấy mẫu.
- Trên trang quy trình Trình sắp xếp dữ liệu, hãy chọn dấu cộng bên cạnh Loại dữ liệu, sau đó chọn Nhận thông tin chi tiết về dữ liệu.
- Chọn Báo cáo thông tin chi tiết và chất lượng dữ liệu cho Loại phân tích.
- Trong Cột mục tiêu, hãy chọn cột mục tiêu của bạn.
- Trong Loại vấn đề, lựa chọn phân loại.
- Chọn Tạo.
Báo cáo thông tin chi tiết có một bản tóm tắt ngắn gọn về dữ liệu, bao gồm thông tin chung như giá trị bị thiếu, giá trị không hợp lệ, loại đối tượng địa lý, số lượng ngoại lệ, v.v. Bạn có thể tải xuống báo cáo hoặc xem trực tuyến.
Thêm các phép biến đổi vào dữ liệu
Data Wrangler có hơn 300 phép biến đổi được tích hợp sẵn. Trong phần này, chúng tôi sử dụng một số phép biến đổi này để chuẩn bị tập dữ liệu cho một mô hình ML.
- Trên trang quy trình Trình sắp xếp dữ liệu, hãy chọn dấu cộng, sau đó chọn Thêm biến đổi.
Nếu bạn đang làm theo các bước trong bài đăng, thì bạn sẽ tự động được chuyển đến đây sau khi thêm tập dữ liệu của mình.
- Xác minh và sửa đổi kiểu dữ liệu của các cột.
Nhìn qua các cột, chúng tôi xác định rằng MNTHS_SINCE_LAST_DELINQ
và MNTHS_SINCE_LAST_RECORD
rất có thể được biểu diễn dưới dạng một loại số thay vì chuỗi.
- Sau khi áp dụng các thay đổi và thêm bước, bạn có thể xác minh rằng kiểu dữ liệu cột đã được thay đổi thành float.
Nhìn qua dữ liệu, chúng ta có thể thấy rằng các trường EMP_TITLE
, URL
, DESCRIPTION
và TITLE
có thể sẽ không cung cấp giá trị cho mô hình của chúng tôi trong trường hợp sử dụng của chúng tôi, vì vậy chúng tôi có thể loại bỏ chúng.
- Chọn Thêm bước, sau đó chọn Quản lý các cột.
- Trong Chuyển đổi, chọn Thả cột.
- Trong Cột để thả, chỉ định
EMP_TITLE
,URL
,DESCRIPTION
vàTITLE
. - Chọn Xem trước và Thêm.
Tiếp theo, chúng tôi muốn tìm kiếm dữ liệu phân loại trong tập dữ liệu của mình. Data Wrangler có chức năng tích hợp để mã hóa dữ liệu phân loại bằng cách sử dụng cả mã hóa thứ tự và mã hóa một nóng. Nhìn vào tập dữ liệu của chúng tôi, chúng tôi có thể thấy rằng TERM
, HOME_OWNERSHIP
và PURPOSE
tất cả các cột dường như có tính chất phân loại.
- Thêm một bước nữa và chọn Mã hóa phân loại.
- Trong Chuyển đổi, chọn Mã hóa một nóng.
- Trong Cột đầu vào, chọn
TERM
. - Trong Kiểu đầu ra, chọn Cột.
- Để tất cả các cài đặt khác làm mặc định, sau đó chọn Xem trước và Thêm.
Sản phẩm HOME_OWNERSHIP
cột có bốn giá trị có thể: RENT
, MORTGAGE
, OWN
, và khác.
- Lặp lại các bước trước đó để áp dụng phương pháp mã hóa một lần cho các giá trị này.
Cuối cùng, PURPOSE
cột có một số giá trị có thể. Đối với dữ liệu này, chúng tôi cũng sử dụng phương pháp mã hóa một lần, nhưng chúng tôi đặt đầu ra thành một vectơ thay vì cột.
- Trong Chuyển đổi, chọn Mã hóa một nóng.
- Trong Cột đầu vào, chọn
PURPOSE
. - Trong Kiểu đầu ra, chọn vector.
- Trong Cột đầu ra, chúng tôi gọi là cột này
PURPOSE_VCTR
.
Điều này giữ nguyên bản gốc PURPOSE
nếu chúng tôi quyết định sử dụng nó sau này.
- Để tất cả các cài đặt khác làm mặc định, sau đó chọn Xem trước và Thêm.
Xuất luồng dữ liệu
Cuối cùng, chúng tôi xuất toàn bộ luồng dữ liệu này sang một cửa hàng tính năng với công việc Xử lý SageMaker, công việc này sẽ tạo sổ ghi chép Jupyter với mã được điền trước.
- Trên trang luồng dữ liệu, chọn dấu cộng và Xuất khẩu sang.
- Chọn nơi xuất. Đối với trường hợp sử dụng của chúng tôi, chúng tôi chọn Cửa hàng tính năng SageMaker.
Sổ ghi chép đã xuất hiện đã sẵn sàng để chạy.
Xuất dữ liệu và huấn luyện mô hình với Autopilot
Bây giờ chúng ta có thể đào tạo mô hình bằng cách sử dụng Amazon SageMaker Tự động lái.
- Trên trang luồng dữ liệu, hãy chọn Hội thảo tab.
- Trong Vị trí Amazon S3, nhập vị trí lưu dữ liệu.
- Chọn Xuất khẩu và đào tạo.
- Chỉ định cài đặt trong Mục tiêu và tính năng, Phương pháp đào tạo, Cài đặt triển khai và nâng caovà Xem lại và tạo phần.
- Chọn Tạo thử nghiệm để tìm mô hình tốt nhất cho vấn đề của bạn.
Làm sạch
Nếu công việc của bạn với Data Wrangler đã hoàn tất, tắt phiên bản Data Wrangler của bạn để tránh phát sinh thêm phí.
Kết luận
Trong bài đăng này, chúng tôi đã chứng minh kết nối Data Wrangler thành Snowflake bằng OAuth, chuyển đổi và phân tích tập dữ liệu, rồi cuối cùng xuất tập dữ liệu đó sang luồng dữ liệu để có thể sử dụng tập dữ liệu đó trong sổ ghi chép Jupyter. Đáng chú ý nhất, chúng tôi đã tạo một quy trình chuẩn bị dữ liệu mà không cần phải viết bất kỳ mã nào.
Để bắt đầu với Data Wrangler, hãy xem Chuẩn bị dữ liệu ML với Amazon SageMaker Data Wrangler.
Giới thiệu về tác giả
Ajjay Govindaram là Kiến trúc sư giải pháp cấp cao tại AWS. Anh ấy làm việc với các khách hàng chiến lược đang sử dụng AI/ML để giải quyết các vấn đề kinh doanh phức tạp. Kinh nghiệm của anh ấy là cung cấp định hướng kỹ thuật cũng như hỗ trợ thiết kế cho các triển khai ứng dụng AI/ML quy mô nhỏ đến quy mô lớn. Kiến thức của anh bao gồm từ kiến trúc ứng dụng đến dữ liệu lớn, phân tích và máy học. Anh ấy thích nghe nhạc khi nghỉ ngơi, trải nghiệm ngoài trời và dành thời gian cho những người thân yêu của mình.
Bosco Albuquerque là Kiến trúc sư giải pháp đối tác cấp cao tại AWS và có hơn 20 năm kinh nghiệm làm việc với cơ sở dữ liệu và các sản phẩm phân tích từ các nhà cung cấp cơ sở dữ liệu doanh nghiệp và nhà cung cấp đám mây. Ông đã giúp các công ty công nghệ lớn thiết kế các giải pháp phân tích dữ liệu, đồng thời lãnh đạo các nhóm kỹ thuật thiết kế và triển khai các nền tảng phân tích dữ liệu cũng như các sản phẩm dữ liệu.
Matt Marzillo là Kỹ sư bán hàng đối tác cấp cao tại Snowflake. Anh ấy có 10 năm kinh nghiệm trong vai trò khoa học dữ liệu và học máy cả trong vai trò tư vấn và với các tổ chức trong ngành. Matt có kinh nghiệm phát triển và triển khai các mô hình AI và ML trên nhiều tổ chức khác nhau trong các lĩnh vực như tiếp thị, bán hàng, vận hành, lâm sàng và tài chính, cũng như tư vấn trong vai trò tư vấn.
Hương Nguyễn là người lãnh đạo sản phẩm cho Amazon SageMaker Data Wrangler tại AWS. Cô ấy có 15 năm kinh nghiệm tạo ra các sản phẩm hướng đến khách hàng và dựa trên dữ liệu cho cả không gian doanh nghiệp và người tiêu dùng. Khi rảnh rỗi, cô thích đọc sách nói, làm vườn, đi bộ đường dài và dành thời gian cho gia đình và bạn bè.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/access-snowflake-data-using-oauth-based-authentication-in-amazon-sagemaker-data-wrangler/
- :là
- $ LÊN
- 000
- 10
- 100
- 15 năm
- 20 năm
- 7
- 8
- 9
- a
- Có khả năng
- Giới thiệu
- truy cập
- Truy cập dữ liệu
- truy cập
- Tài khoản
- ngang qua
- Ad
- Ngoài ra
- thêm vào
- quản trị viên
- tiến
- tiên tiến
- tư vấn
- Sau
- AI
- AI / ML
- Tất cả
- đàn bà gan dạ
- Amazon SageMaker
- Trình sắp xếp dữ liệu Amazon SageMaker
- phân tích
- phân tích
- phân tích
- phân tích
- phân tích
- và
- Một
- api
- ứng dụng
- xuất hiện
- Các Ứng Dụng
- Đăng Nhập
- Nộp đơn
- phương pháp tiếp cận
- ứng dụng
- kiến trúc
- LÀ
- khu vực
- AS
- Hỗ trợ
- liên kết
- At
- đính kèm
- khán giả
- âm thanh
- xác nhận
- Xác thực
- ủy quyền
- tự động hóa
- tự động
- AWS
- Azure
- BE
- bởi vì
- trước
- bắt đầu
- BEST
- lớn
- Dữ Liệu Lớn.
- thân hình
- Sách
- được xây dựng trong
- kinh doanh
- by
- cuộc gọi
- gọi là
- CAN
- khả năng
- trường hợp
- CON MÈO
- Những thay đổi
- sự lựa chọn
- Chọn
- khách hàng
- Lâm sàng
- đám mây
- mã
- Cột
- Cột
- Các công ty
- hoàn thành
- phức tạp
- khái niệm
- Cấu hình
- Kết nối
- Kết nối
- liên quan
- An ủi
- tư vấn
- người tiêu dùng
- nội dung
- có thể
- che
- phủ
- tạo
- tạo ra
- tạo ra
- Tạo
- Credentials
- khách hàng
- dữ liệu
- phân tích dữ liệu
- Phân tích dữ liệu
- Nền tảng dữ liệu
- Chuẩn bị dữ liệu
- khoa học dữ liệu
- nhà khoa học dữ liệu
- hướng dữ liệu
- Cơ sở dữ liệu
- quyết định
- Mặc định
- chứng minh
- triển khai
- triển khai
- Thiết kế
- thiết kế
- chi tiết
- chi tiết
- phát triển
- khác nhau
- hướng
- trực tiếp
- khác biệt
- tài liệu hướng dẫn
- Không
- miền
- dont
- xuống
- tải về
- Rơi
- mỗi
- biên tập viên
- hiệu lực
- hay
- cho phép
- ky sư
- Kỹ Sư
- đăng ký hạng mục thi
- Doanh nghiệp
- Môi trường
- ví dụ
- hiện tại
- kinh nghiệm
- trải qua
- Phân tích dữ liệu thăm dò
- xuất khẩu
- ngoài
- FAIL
- gia đình
- Đặc tính
- Tính năng
- Lệ Phí
- vài
- lĩnh vực
- Lĩnh vực
- Tập tin
- Cuối cùng
- tài chính
- Tìm kiếm
- Phao
- dòng chảy
- tiếp theo
- Trong
- định dạng
- tần số
- thường xuyên
- bạn bè
- từ
- chức năng
- Tổng Quát
- được
- cho
- cấp
- lớn hơn
- Hướng dẫn
- Có
- có
- giúp đỡ
- đã giúp
- tại đây
- Trang Chủ
- Độ đáng tin của
- Hướng dẫn
- HTML
- http
- HTTPS
- ID
- định danh
- xác định
- Bản sắc
- Nhàn rỗi
- thực hiện
- nhập khẩu
- tầm quan trọng
- in
- bao gồm
- Bao gồm
- không chính xác
- ngành công nghiệp
- thông tin
- đầu vào
- cái nhìn sâu sắc
- những hiểu biết
- hướng dẫn
- hội nhập
- tích hợp
- Giao thức
- trực quan
- tham gia
- IT
- Việc làm
- việc làm
- jpg
- Key
- kiến thức
- lớn
- quy mô lớn
- lãnh đạo
- học tập
- Led
- nằm
- vòng đời
- đời
- Lượt thích
- Có khả năng
- Danh sách
- Listening
- tải
- tải
- địa điểm thư viện nào
- Xem
- tìm kiếm
- yêu
- máy
- học máy
- thực hiện
- làm cho
- LÀM CHO
- Làm
- giám đốc
- nhiều
- Marketing
- tin nhắn
- Might
- Phút
- mất tích
- ML
- kiểu mẫu
- mô hình
- sửa đổi
- chi tiết
- hầu hết
- nhiều
- Âm nhạc
- tên
- tên
- Thiên nhiên
- THÔNG TIN
- Cần
- cần
- nhu cầu
- Mới
- tiếp theo
- đáng chú ý
- máy tính xách tay
- con số
- lời thề
- đối tượng
- of
- OKTA
- on
- ONE
- Trực tuyến
- Hoạt động
- Tùy chọn
- tổ chức
- nguyên
- Nền tảng khác
- nếu không thì
- ngoài trời
- đầu ra
- riêng
- trang
- cặp
- cửa sổ
- đối tác
- Mật khẩu
- Thực hiện
- quyền
- riêng
- đường ống dẫn
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- thêm
- Chính sách
- pop-up
- có thể
- Bài đăng
- ưa thích
- Chuẩn bị
- điều kiện tiên quyết
- Xem trước
- trước
- Vấn đề
- vấn đề
- thủ tục
- quá trình
- xử lý
- Sản phẩm
- Sản phẩm
- Hồ sơ
- Lập trình
- đúng
- cho
- cung cấp
- nhà cung cấp dịch vụ
- nhà cung cấp
- cung cấp
- cung cấp
- chất lượng
- hơn
- sẵn sàng
- giới thiệu
- chuyển hướng
- giảm
- khu
- ghi danh
- đăng ký
- Đăng Ký
- khởi chạy lại
- báo cáo
- đại diện
- yêu cầu
- mà
- REST của
- kết quả
- Kết quả
- bán lẻ
- Vai trò
- vai trò
- chạy
- chạy
- nhà làm hiền triết
- bán hàng
- lập kế hoạch
- Khoa học
- Nhà khoa học
- các nhà khoa học
- phạm vi
- Bí mật
- Phần
- phần
- an ninh
- lựa chọn
- cao cấp
- Độ nhạy
- định
- thiết lập
- thiết lập
- một số
- Shell
- nên
- hiển thị
- đăng ký
- Đơn giản
- duy nhất
- So
- Giải pháp
- động SOLVE
- một số
- nguồn
- nguồn
- không gian
- Chi
- bắt đầu
- bắt đầu
- Bước
- Các bước
- là gắn
- hàng
- lưu trữ
- lưu trữ
- Chiến lược
- Chuỗi
- phòng thu
- thành công
- như vậy
- TÓM TẮT
- hỗ trợ
- Hỗ trợ
- TAG
- Hãy
- mất
- Mục tiêu
- nhắm mục tiêu
- nhiệm vụ
- đội
- Kỹ thuật
- Công nghệ
- công ty công nghệ
- việc này
- Sản phẩm
- thông tin
- cung cấp their dịch
- Them
- Kia là
- Thông qua
- thời gian
- đến
- mã thông báo
- Tokens
- Train
- Chuyển đổi
- biến đổi
- biến đổi
- loại
- Dưới
- hiểu
- độc đáo
- Cập nhật
- URL
- sử dụng
- ca sử dụng
- người sử dang
- Giao diện người dùng
- Người sử dụng
- giá trị
- Các giá trị
- nhà cung cấp
- xác minh
- thông qua
- Xem
- có thể nhìn thấy
- hương
- cảnh báo
- tuần
- TỐT
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- toàn bộ
- sẽ
- với
- ở trong
- không có
- Công việc
- Luồng công việc
- đang làm việc
- công trinh
- viết
- viết
- năm
- Bạn
- trên màn hình
- zephyrnet