“Dữ liệu bị khóa dưới dạng văn bản, âm thanh, mạng xã hội và các nguồn phi cấu trúc khác có thể là lợi thế cạnh tranh cho các công ty tìm ra cách sử dụng nó”
Chỉ có 18% các tổ chức trong một Khảo sát năm 2019 bởi Deloitte báo cáo có thể tận dụng dữ liệu phi cấu trúc. Phần lớn dữ liệu, từ 80% đến 90%, là dữ liệu phi cấu trúc. Đó là một nguồn tài nguyên lớn chưa được khai thác và có tiềm năng mang lại cho doanh nghiệp lợi thế cạnh tranh nếu họ có thể tìm ra cách sử dụng nó. Có thể khó tìm thấy thông tin chuyên sâu từ dữ liệu này, đặc biệt nếu cần nỗ lực phân loại, gắn thẻ hoặc gắn nhãn cho dữ liệu đó. Amazon hiểu phân loại tùy chỉnh có thể hữu ích trong tình huống này. Amazon hiểu là dịch vụ xử lý ngôn ngữ tự nhiên (NLP) sử dụng công nghệ máy học để khám phá những hiểu biết sâu sắc và kết nối có giá trị trong văn bản.
Phân loại hoặc phân loại tài liệu có lợi ích đáng kể trên các lĩnh vực kinh doanh –
- Cải thiện tìm kiếm và truy xuất – Bằng cách phân loại tài liệu thành các chủ đề hoặc danh mục phù hợp, giúp người dùng tìm kiếm và truy xuất tài liệu họ cần dễ dàng hơn nhiều. Họ có thể tìm kiếm trong các danh mục cụ thể để thu hẹp kết quả.
- Quản lý kiến thức – Việc phân loại tài liệu một cách có hệ thống giúp tổ chức nền tảng kiến thức của tổ chức. Nó giúp việc xác định thông tin liên quan và xem kết nối giữa các nội dung liên quan trở nên dễ dàng hơn.
- Luồng công việc được sắp xếp hợp lý – Việc phân loại tài liệu tự động có thể giúp hợp lý hóa nhiều quy trình kinh doanh như xử lý hóa đơn, hỗ trợ khách hàng hoặc tuân thủ quy định. Tài liệu có thể được tự động chuyển đến đúng người hoặc đúng quy trình công việc.
- Tiết kiệm chi phí và thời gian – Việc phân loại tài liệu thủ công rất tẻ nhạt, tốn thời gian và tốn kém. Kỹ thuật AI có thể đảm nhận công việc nhàm chán này và phân loại hàng nghìn tài liệu trong thời gian ngắn với chi phí thấp hơn nhiều.
- Tạo cái nhìn sâu sắc – Phân tích xu hướng trong các danh mục tài liệu có thể cung cấp những hiểu biết hữu ích về kinh doanh. Ví dụ: sự gia tăng khiếu nại của khách hàng về một danh mục sản phẩm có thể cho thấy một số vấn đề cần được giải quyết.
- Quản trị và thực thi chính sách – Việc thiết lập các quy tắc phân loại tài liệu giúp đảm bảo tài liệu được phân loại chính xác theo chính sách và tiêu chuẩn quản trị của tổ chức. Điều này cho phép giám sát và kiểm tra tốt hơn.
- Trải nghiệm cá nhân – Trong các bối cảnh như nội dung trang web, việc phân loại tài liệu cho phép hiển thị nội dung phù hợp cho người dùng dựa trên sở thích và ưu tiên của họ được xác định từ hành vi duyệt web của họ. Điều này có thể làm tăng sự tham gia của người dùng.
Mức độ phức tạp của việc phát triển mô hình học máy phân loại riêng biệt khác nhau tùy thuộc vào nhiều khía cạnh khác nhau như chất lượng dữ liệu, thuật toán, khả năng mở rộng và kiến thức miền, chưa kể đến một số khía cạnh. Điều cần thiết là bắt đầu bằng việc xác định vấn đề rõ ràng, dữ liệu rõ ràng và phù hợp, sau đó dần dần thực hiện qua các giai đoạn phát triển mô hình khác nhau. Tuy nhiên, các doanh nghiệp có thể tạo mô hình machine learning độc đáo của riêng mình bằng cách sử dụng phân loại tùy chỉnh của Amazon Comprehend để tự động phân loại tài liệu văn bản thành các danh mục hoặc thẻ nhằm đáp ứng các yêu cầu cụ thể của doanh nghiệp và ánh xạ tới các danh mục tài liệu và công nghệ kinh doanh. Vì việc gắn thẻ hoặc phân loại của con người không còn cần thiết nữa nên điều này có thể giúp doanh nghiệp tiết kiệm rất nhiều thời gian, tiền bạc và nhân công. Chúng tôi đã làm cho quá trình này trở nên đơn giản bằng cách tự động hóa toàn bộ quy trình đào tạo.
Trong phần đầu tiên của bài đăng trên blog gồm nhiều loạt bài này, bạn sẽ tìm hiểu cách tạo quy trình đào tạo có thể mở rộng và chuẩn bị dữ liệu đào tạo cho các mô hình Hiểu phân loại tùy chỉnh. Chúng tôi sẽ giới thiệu quy trình đào tạo trình phân loại tùy chỉnh có thể được triển khai trong tài khoản AWS của bạn chỉ với vài cú nhấp chuột. Chúng tôi đang sử dụng tập dữ liệu tin tức của BBC và sẽ đào tạo bộ phân loại để xác định loại (ví dụ: chính trị, thể thao) mà tài liệu thuộc về. Quy trình này sẽ cho phép tổ chức của bạn phản ứng nhanh chóng với các thay đổi và đào tạo các mô hình mới mà không cần phải bắt đầu lại từ đầu mỗi lần. Bạn có thể mở rộng quy mô và đào tạo nhiều mô hình dựa trên nhu cầu của mình một cách dễ dàng.
Điều kiện tiên quyết
- Một tài khoản AWS đang hoạt động (Nhấp vào tại đây để tạo tài khoản AWS mới)
- Truy cập vào Amazon Comprehend, Amazon S3, Amazon Lambda, Amazon Step Function, Amazon SNS và Amazon CloudFormation
- Dữ liệu đào tạo (bán cấu trúc hoặc văn bản) được chuẩn bị trong phần sau
- Kiến thức cơ bản về Python và Machine Learning nói chung
Chuẩn bị dữ liệu đào tạo
Giải pháp này có thể lấy đầu vào là định dạng văn bản (ví dụ: CSV) hoặc dạng bán cấu trúc (ví dụ: PDF).
Nhập văn bản
Amazon hiểu phân loại tùy chỉnh hỗ trợ hai chế độ: nhiều lớp và nhiều nhãn.
Trong chế độ nhiều lớp, mỗi tài liệu có thể được gán một và chỉ một lớp cho nó. Dữ liệu huấn luyện phải được chuẩn bị dưới dạng tệp CSV hai cột với mỗi dòng của tệp chứa một lớp duy nhất và văn bản của tài liệu thể hiện lớp đó.
Ví dụ như Tập dữ liệu tin tức của BBC:
Ở chế độ nhiều nhãn, mỗi tài liệu có ít nhất một lớp được gán cho nó nhưng có thể có nhiều lớp hơn. Dữ liệu đào tạo phải ở dạng tệp CSV hai cột, mỗi dòng của tệp chứa một hoặc nhiều lớp và văn bản của tài liệu đào tạo. Nhiều hơn một lớp phải được chỉ định bằng cách sử dụng dấu phân cách giữa mỗi lớp.
Không có tiêu đề nào được đưa vào tệp CSV cho một trong hai chế độ đào tạo.
Đầu vào bán cấu trúc
Bắt đầu từ 2023, Amazon hiểu hiện hỗ trợ các mô hình đào tạo sử dụng tài liệu bán cấu trúc. Dữ liệu đào tạo cho đầu vào bán cấu trúc bao gồm một tập hợp các tài liệu được gắn nhãn, có thể là các tài liệu được xác định trước từ kho lưu trữ tài liệu mà bạn đã có quyền truy cập. Sau đây là ví dụ về dữ liệu CSV của tệp chú thích cần thiết cho việc đào tạo (Dữ liệu mẫu):
Tệp CSV chú thích chứa ba cột: Cột đầu tiên chứa nhãn cho tài liệu, cột thứ hai là tên tài liệu (tức là tên tệp) và cột cuối cùng là số trang của tài liệu mà bạn muốn đưa vào tập dữ liệu huấn luyện. Trong hầu hết các trường hợp, nếu tệp CSV chú thích nằm trong cùng thư mục với tất cả tài liệu khác thì bạn chỉ cần chỉ định tên tài liệu ở cột thứ hai. Tuy nhiên, nếu tệp CSV nằm ở một vị trí khác thì bạn cần chỉ định đường dẫn đến vị trí trong cột thứ hai, chẳng hạn như path/to/prefix/document1.pdf
.
Để biết chi tiết, cách chuẩn bị dữ liệu đào tạo của bạn, vui lòng tham khảo tại đây.
Tổng quan về giải pháp
- Amazon hiểu quy trình đào tạo bắt đầu khi dữ liệu đào tạo (tệp .csv để nhập văn bản và tệp .csv chú thích cho đầu vào bán cấu trúc) được tải lên Dịch vụ lưu trữ đơn giản Amazon chuyên dụng (Amazon S3) Gầu múc.
- An AWS Lambda hàm được gọi bởi Amazon S3 kích hoạt sao cho mỗi khi một đối tượng được tải lên một địa chỉ cụ thể Amazon S3 location, hàm AWS Lambda truy xuất tên nhóm nguồn và tên khóa của đối tượng được tải lên rồi chuyển nó vào quá trình đào tạo chức năng bước quy trình làm việc.
- Trong hàm bước đào tạo, sau khi nhận được tên nhóm dữ liệu huấn luyện và tên khóa đối tượng làm tham số đầu vào, quy trình đào tạo mô hình tùy chỉnh sẽ bắt đầu dưới dạng một loạt hàm lambda như được mô tả:
StartComprehendTraining
: Hàm AWS Lambda này xác định mộtComprehendClassifier
đối tượng tùy thuộc vào loại tệp đầu vào (ví dụ: văn bản hoặc bán cấu trúc) và sau đó bắt đầu một Amazon hiểu nhiệm vụ đào tạo phân loại tùy chỉnh bằng cách gọi create_document_classifier Tương tác lập trình ứng dụng (API), trả về một công việc đào tạo Tên tài nguyên Amazon (ARN) . Sau đó, hàm này kiểm tra trạng thái của công việc đào tạo bằng cách gọi mô tả_document_classifier API. Cuối cùng, nó trả về ARN công việc đào tạo và trạng thái công việc, làm đầu ra cho giai đoạn tiếp theo của quy trình đào tạo.GetTrainingJobStatus
: AWS Lambda này kiểm tra trạng thái công việc của công việc đào tạo cứ sau 15 phút, bằng cách gọi mô tả_document_classifier API, cho đến khi trạng thái công việc đào tạo thay đổi thành Hoàn thành hoặc Không thành công.GenerateMultiClass
orGenerateMultiLabel
: Nếu bạn chọn Vâng đối với báo cáo hiệu suất khi khởi chạy ngăn xếp, một trong hai AWS Lambda này sẽ chạy phân tích theo kết quả đầu ra của mô hình Amazon Comprehend của bạn, tạo ra phân tích hiệu suất theo từng lớp và lưu vào Amazon S3.GenerateMultiClass
: AWS Lambda này sẽ được gọi nếu đầu vào của bạn là Đa lớp và bạn chọn Vâng cho báo cáo hiệu suất.GenerateMultiLabel
: AWS Lambda này sẽ được gọi nếu đầu vào của bạn là Đa nhãn và bạn chọn Vâng cho báo cáo hiệu suất.
- Sau khi quá trình đào tạo được thực hiện thành công, giải pháp sẽ tạo ra các kết quả đầu ra sau:
- Mô hình phân loại tùy chỉnh: Mô hình ARN đã được đào tạo sẽ có sẵn trong tài khoản của bạn cho công việc suy luận trong tương lai.
- Ma trận hỗn loạn [Lựa chọnl]: Một ma trận nhầm lẫn (
confusion_matrix
.json) sẽ có sẵn ở đầu ra do người dùng xác định Amazon S3 đường dẫn tùy theo lựa chọn của người dùng. - Dịch vụ thông báo đơn giản của Amazon thông báo [Lựa chọnl]: Một email thông báo sẽ được gửi về tình trạng công việc đào tạo tới người đăng ký, tùy theo lựa chọn ban đầu của người dùng.
Hương
Ra mắt giải pháp
Để triển khai đường dẫn của bạn, hãy hoàn thành các bước sau:
- Chọn Khởi chạy Stack nút:
- Chọn Tiếp theo
- Chỉ định chi tiết quy trình với các tùy chọn phù hợp với trường hợp sử dụng của bạn:
Thông tin chi tiết từng ngăn xếp:
- Tên ngăn xếp (Bắt buộc) – tên bạn đã chỉ định cho việc này Hình thành đám mây AWS cây rơm. Tên phải là duy nhất trong Khu vực mà bạn đang tạo tên đó.
- Q01ClassifierInputBucketName (Bắt buộc) – Tên bộ chứa Amazon S3 để lưu trữ dữ liệu đầu vào của bạn. Đây phải là tên duy nhất trên toàn cầu và ngăn xếp AWS CloudFormation sẽ giúp bạn tạo nhóm trong khi khởi chạy nhóm.
- Q02ClassifierOutputBucketName (Bắt buộc) – Tên bộ chứa Amazon S3 để lưu trữ kết quả đầu ra từ Amazon Comprehend và quy trình. Nó cũng phải là một tên duy nhất trên toàn cầu.
- Q03Định dạng đầu vào – Một lựa chọn thả xuống, bạn có thể chọn văn bản (nếu dữ liệu đào tạo của bạn là tệp csv) hoặc bán cấu trúc (nếu dữ liệu đào tạo của bạn là bán cấu trúc [ví dụ: tệp PDF]) dựa trên định dạng dữ liệu đầu vào của bạn.
- Q04Ngôn ngữ – Lựa chọn thả xuống, chọn ngôn ngữ của tài liệu từ danh sách được hỗ trợ. Xin lưu ý, hiện tại chỉ hỗ trợ tiếng Anh nếu định dạng đầu vào của bạn là bán cấu trúc.
- Q05Đa lớp – Một lựa chọn thả xuống, chọn Vâng nếu đầu vào của bạn là chế độ MultiClass. Nếu không, hãy chọn Không.
- Q06Dấu phân cách nhãn – Chỉ bắt buộc nếu câu trả lời Q05MultiClass của bạn là Không. Dấu phân cách này được sử dụng trong dữ liệu huấn luyện của bạn để phân tách từng lớp.
- Q07Bộ dữ liệu xác thực – Một lựa chọn thả xuống, thay đổi câu trả lời thành Vâng nếu bạn muốn kiểm tra hiệu suất của bộ phân loại đã được đào tạo bằng dữ liệu kiểm tra của riêng bạn.
- Q08S3Đường dẫn xác thực – Chỉ bắt buộc nếu câu trả lời Q07ValidationDataset của bạn là Vâng.
- Q09Báo cáo hiệu suất – Một lựa chọn thả xuống, chọn Vâng nếu bạn muốn tạo mô hình đào tạo sau báo cáo hiệu suất cấp lớp. Báo cáo sẽ được lưu trong nhóm đầu ra do bạn chỉ định trong Q02ClassifierOutputBucketName.
- Q10EmailThông báo - Một lựa chọn thả xuống. Lựa chọn Vâng nếu bạn muốn nhận được thông báo sau khi mô hình được đào tạo.
- Q11ID email – Nhập địa chỉ email hợp lệ để nhận thông báo báo cáo hiệu suất. Xin lưu ý, bạn phải xác nhận đăng ký từ email của mình sau khi khởi chạy ngăn xếp AWS CloudFormation trước khi bạn có thể nhận được thông báo khi quá trình đào tạo hoàn tất.
- Trong phần tùy chọn ngăn xếp Cấu hình Amazon, thêm thẻ tùy chọn, quyền và các cài đặt nâng cao khác.
- Chọn Sau
- Xem lại chi tiết ngăn xếp và chọn Tôi thừa nhận rằng Hình thành đám mây AWS có thể tạo AWS IAM tài nguyên.
- Chọn Gửi. Việc này sẽ bắt đầu triển khai quy trình trong tài khoản AWS của bạn.
- Sau khi ngăn xếp được triển khai thành công, bạn có thể bắt đầu sử dụng quy trình. Tạo một
/training-data
thư mục trong vị trí Amazon S3 được chỉ định của bạn để nhập liệu. Ghi chú: Amazon S3 tự động áp dụng mã hóa phía máy chủ (SSE-S3) cho từng đối tượng mới trừ khi bạn chỉ định tùy chọn mã hóa khác. Xin vui lòng tham khảo Bảo vệ dữ liệu trong Amazon S3 để biết thêm chi tiết về bảo vệ và mã hóa dữ liệu trong Amazon S3.
- Tải dữ liệu đào tạo của bạn vào thư mục. (Nếu dữ liệu đào tạo là bán cấu trúc thì hãy tải lên tất cả các tệp PDF trước khi tải lên thông tin nhãn định dạng .csv).
Bạn đã hoàn tất! Bạn đã triển khai thành công quy trình của mình và bạn có thể kiểm tra trạng thái quy trình trong chức năng bước đã triển khai. (Bạn sẽ có một mô hình được đào tạo trong bảng phân loại tùy chỉnh Amazon Comprehend của mình).
Nếu bạn chọn mô hình và phiên bản của nó bên trong Amazon hiểu Console, bây giờ bạn có thể xem thêm chi tiết về mô hình bạn vừa đào tạo. Nó bao gồm Chế độ bạn chọn, tương ứng với tùy chọn Q05MultiClass, số lượng nhãn cũng như số lượng tài liệu được đào tạo và kiểm tra bên trong dữ liệu đào tạo của bạn. Bạn cũng có thể kiểm tra hiệu suất tổng thể bên dưới; tuy nhiên, nếu bạn muốn kiểm tra hiệu suất chi tiết cho từng lớp, vui lòng tham khảo Báo cáo hiệu suất do quy trình triển khai tạo ra.
Hạn ngạch dịch vụ
Tài khoản AWS của bạn có hạn ngạch mặc định cho Amazon hiểu và AmazonTextract, nếu đầu vào ở định dạng bán cấu trúc. Để xem định mức dịch vụ, vui lòng tham khảo tại đây cho Amazon hiểu và tại đây cho AmazonTextract.
Làm sạch
Để tránh phải chịu các khoản phí liên tục, hãy xóa các tài nguyên bạn đã tạo như một phần của giải pháp này khi bạn hoàn tất.
- trên Amazon S3 console, hãy xóa thủ công nội dung bên trong các nhóm bạn đã tạo cho dữ liệu đầu vào và đầu ra.
- trên Hình thành đám mây AWS bảng điều khiển, chọn Stacks trong khung điều hướng.
- Chọn ngăn xếp chính và chọn Xóa bỏ.
Điều này sẽ tự động xóa ngăn xếp được triển khai.
- đào tạo của bạn Amazon hiểu mô hình phân loại tùy chỉnh sẽ vẫn còn trong tài khoản của bạn. Nếu bạn không cần nó nữa, trong Amazon hiểu console, hãy xóa mô hình đã tạo.
Kết luận
Trong bài đăng này, chúng tôi đã cho bạn thấy khái niệm về quy trình đào tạo có thể mở rộng cho Amazon hiểu các mô hình phân loại tùy chỉnh và cung cấp giải pháp tự động để đào tạo các mô hình mới một cách hiệu quả. Các Hình thành đám mây AWS Mẫu được cung cấp giúp bạn có thể dễ dàng tạo các mô hình phân loại văn bản của riêng mình, đáp ứng quy mô nhu cầu. Giải pháp áp dụng tính năng Euclid được công bố gần đây và chấp nhận đầu vào ở định dạng văn bản hoặc bán cấu trúc.
Bây giờ, chúng tôi khuyến khích bạn, những độc giả của chúng tôi, thử nghiệm những công cụ này. Bạn có thể tìm thêm chi tiết về chuẩn bị dữ liệu đào tạo và hiểu số liệu phân loại tùy chỉnh. Hãy dùng thử và tận mắt xem nó có thể hợp lý hóa quá trình đào tạo mô hình của bạn như thế nào và nâng cao hiệu quả. Hãy chia sẻ phản hồi của bạn với chúng tôi!
Về các tác giả
Sandeep Singh là Nhà khoa học dữ liệu cấp cao với Dịch vụ chuyên nghiệp của AWS. Anh ấy đam mê giúp đỡ khách hàng đổi mới và đạt được các mục tiêu kinh doanh của họ bằng cách phát triển các giải pháp hỗ trợ AI/ML tiên tiến nhất. Anh hiện đang tập trung vào Generative AI, LLM, kỹ thuật nhanh chóng và mở rộng Machine Learning trên toàn doanh nghiệp. Anh ấy mang đến những tiến bộ AI gần đây để tạo ra giá trị cho khách hàng.
Yanyan Zhang là Nhà khoa học dữ liệu cấp cao trong nhóm Cung cấp năng lượng với Dịch vụ chuyên nghiệp của AWS. Cô ấy rất nhiệt tình giúp đỡ khách hàng giải quyết các vấn đề thực tế bằng kiến thức AI/ML. Gần đây, trọng tâm của cô là khám phá tiềm năng của Generative AI và LLM. Ngoài công việc, cô thích đi du lịch, tập thể dục và khám phá những điều mới.
Wrick Talukdar là Kiến trúc sư cấp cao của nhóm Amazon Comprehend Service. Anh ấy làm việc với các khách hàng của AWS để giúp họ áp dụng công nghệ máy học trên quy mô lớn. Ngoài công việc, anh ấy thích đọc sách và chụp ảnh.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Ô tô / Xe điện, Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- ChartPrime. Nâng cao trò chơi giao dịch của bạn với ChartPrime. Truy cập Tại đây.
- BlockOffsets. Hiện đại hóa quyền sở hữu bù đắp môi trường. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/build-a-classification-pipeline-with-amazon-comprehend-custom-classification-part-i/
- : có
- :là
- $ LÊN
- 1
- 100
- 11
- 15%
- 2023
- 24
- 26%
- 7
- 9
- a
- Có khả năng
- Giới thiệu
- Chấp nhận
- truy cập
- Theo
- Tài khoản
- Đạt được
- công nhận
- ngang qua
- hoạt động
- thêm vào
- địa chỉ
- giải quyết
- nhận nuôi
- tiên tiến
- tiến bộ
- Lợi thế
- Sau
- AI
- AI / ML
- thuật toán
- Tất cả
- cho phép
- Đã
- Ngoài ra
- đàn bà gan dạ
- Amazon hiểu
- Amazon Web Services
- an
- phân tích
- phân tích
- và
- công bố
- trả lời
- nữa không
- api
- Các Ứng Dụng
- áp dụng
- LÀ
- AS
- các khía cạnh
- giao
- At
- âm thanh
- kiểm toán
- Tự động
- Tự động
- tự động
- tự động hóa
- có sẵn
- tránh
- xa
- AWS
- Hình thành đám mây AWS
- AWS Lambda
- Dịch vụ chuyên nghiệp của AWS
- cơ sở
- dựa
- bbc
- BE
- được
- trước
- hành vi
- được
- thuộc
- phía dưới
- Lợi ích
- bespoke
- Hơn
- giữa
- lớn
- Blog
- Mang lại
- Duyệt
- xây dựng
- kinh doanh
- các doanh nghiệp
- nhưng
- nút
- by
- gọi là
- gọi
- CAN
- trường hợp
- trường hợp
- đố
- phân loại
- Phân loại
- thay đổi
- Những thay đổi
- tải
- kiểm tra
- Séc
- Chọn
- lựa chọn
- tốt nghiệp lớp XNUMX
- các lớp học
- phân loại
- phân loại
- Phân loại
- trong sáng
- Nhấp chuột
- thu thập
- Cột
- Cột
- cạnh tranh
- khiếu nại
- hoàn thành
- Hoàn thành
- phức tạp
- tuân thủ
- hiểu
- Bao gồm
- khái niệm
- Xác nhận
- nhầm lẫn
- Kết nối
- An ủi
- chứa
- nội dung
- nội dung
- bối cảnh
- tương ứng
- Phí Tổn
- có thể
- tạo
- Tạo nên giá trị
- tạo ra
- Tạo
- Hiện nay
- khách hàng
- khách hàng
- Hỗ trợ khách hàng
- khách hàng
- dữ liệu
- bảo vệ dữ liệu
- nhà khoa học dữ liệu
- dành riêng
- Mặc định
- xác định
- Xác định
- định nghĩa
- giao hàng
- deloitte
- Nhu cầu
- chứng minh
- Tùy
- triển khai
- triển khai
- triển khai
- mô tả
- chi tiết
- chi tiết
- chi tiết
- xác định
- phát triển
- Phát triển
- khác nhau
- khó khăn
- tài liệu
- tài liệu
- Đô la
- miền
- lĩnh vực
- thực hiện
- dont
- xuống
- e
- mỗi
- dễ dàng hơn
- dễ dàng
- Cạnh
- hiệu quả
- hiệu quả
- dễ dàng
- những nỗ lực
- hay
- cho phép
- khuyến khích
- mã hóa
- năng lượng
- Tham gia
- Kỹ Sư
- Tiếng Anh
- nâng cao
- đảm bảo
- đăng ký hạng mục thi
- doanh nghiệp
- thiết yếu
- Châu Âu
- Mỗi
- ví dụ
- đắt tiền
- Khám phá
- thất bại
- Đặc tính
- thông tin phản hồi
- vài
- Hình
- Tập tin
- Các tập tin
- Cuối cùng
- Tìm kiếm
- hãng
- Tên
- vừa vặn
- Tập trung
- tập trung
- tiếp theo
- Trong
- định dạng
- từ
- chức năng
- chức năng
- tương lai
- tạo ra
- tạo ra
- tạo
- thế hệ
- Trí tuệ nhân tạo
- Cho
- Toàn cầu
- quản trị
- dần dần
- Có
- có
- he
- giúp đỡ
- giúp đỡ
- giúp
- cô
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- HTTPS
- Nhân loại
- i
- xác định
- if
- in
- bao gồm
- bao gồm
- bao gồm
- Tăng lên
- chỉ ra
- thông tin
- ban đầu
- Đồng tu
- đổi mới
- đầu vào
- đầu vào
- trong
- những hiểu biết
- lợi ích
- trong
- giới thiệu
- viện dẫn
- các vấn đề
- IT
- ITS
- Việc làm
- jpg
- json
- chỉ
- Key
- kiến thức
- nhãn
- Nhãn
- nhân công
- Ngôn ngữ
- lớn
- Họ
- phát động
- ra mắt
- LEARN
- học tập
- ít nhất
- Lượt thích
- Dòng
- Danh sách
- LLM
- nằm
- địa điểm thư viện nào
- khóa
- còn
- Rất nhiều
- yêu
- thấp hơn
- máy
- học máy
- thực hiện
- Chủ yếu
- Đa số
- LÀM CHO
- nhãn hiệu
- thủ công
- nhiều
- bản đồ
- Matrix
- Có thể..
- Phương tiện truyền thông
- Gặp gỡ
- Might
- Phút
- Chế độ
- kiểu mẫu
- mô hình
- chế độ
- tiền
- giám sát
- chi tiết
- hầu hết
- núi
- nhiều
- nhiều
- phải
- tên
- tên
- hẹp
- THÔNG TIN
- cần thiết
- Cần
- cần thiết
- Mới
- tin tức
- tiếp theo
- nlp
- Không
- thông báo
- tại
- con số
- vật
- mục tiêu
- of
- on
- ONE
- đang diễn ra
- có thể
- Tùy chọn
- Các lựa chọn
- or
- cơ quan
- tổ chức
- Nền tảng khác
- nếu không thì
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- ra
- đầu ra
- bên ngoài
- kết thúc
- tổng thể
- riêng
- trang
- cửa sổ
- bảng điều khiển
- thông số
- một phần
- đặc biệt
- vượt qua
- đam mê
- con đường
- người
- mỗi
- hiệu suất
- quyền
- nhiếp ảnh
- đường ống dẫn
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- xin vui lòng
- Chính sách
- điều luật
- chính trị
- có thể
- Bài đăng
- tiềm năng
- -
- ưu đãi
- Chuẩn bị
- chuẩn bị
- Vấn đề
- vấn đề
- quá trình
- Quy trình
- xử lý
- Sản phẩm
- chuyên nghiệp
- Lập trình
- bảo vệ
- cho
- cung cấp
- cung cấp
- Python
- chất lượng
- nhanh chóng
- độc giả
- Reading
- thực
- nhận
- nhận
- gần đây
- gần đây
- xem
- khu
- nhà quản lý
- Tuân thủ quy định
- liên quan
- có liên quan
- vẫn
- báo cáo
- Báo cáo
- kho
- cần phải
- Yêu cầu
- tài nguyên
- Thông tin
- Trả lời
- Kết quả
- Trả về
- ngay
- quy tắc
- chạy
- tương tự
- Lưu
- lưu
- khả năng mở rộng
- khả năng mở rộng
- Quy mô
- quy mô
- mở rộng quy mô
- Nhà khoa học
- xước
- Tìm kiếm
- Thứ hai
- Phần
- xem
- lựa chọn
- cao cấp
- gởi
- riêng biệt
- Loạt Sách
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- thiết lập
- Chia sẻ
- chị ấy
- ngắn
- nên
- cho thấy
- thể hiện
- có ý nghĩa
- biểu thị
- Đơn giản
- duy nhất
- tình hình
- Mạng xã hội
- truyền thông xã hội
- giải pháp
- Giải pháp
- động SOLVE
- một số
- nguồn
- nguồn
- riêng
- quy định
- Thể thao
- ngăn xếp
- Traineeship
- giai đoạn
- tiêu chuẩn
- Bắt đầu
- bắt đầu
- nhà nước-of-the-art
- Trạng thái
- Bước
- Các bước
- là gắn
- hàng
- hợp lý hóa
- thuê bao
- đăng ký
- Sau đó
- Thành công
- như vậy
- hỗ trợ
- Hỗ trợ
- Hỗ trợ
- Khảo sát
- TAG
- phù hợp
- Hãy
- Nhiệm vụ
- nhóm
- công nghệ cao
- kỹ thuật
- Công nghệ
- mẫu
- thử nghiệm
- văn bản
- Phân loại văn bản
- hơn
- việc này
- Sản phẩm
- Nguồn
- cung cấp their dịch
- Them
- sau đó
- Kia là
- họ
- điều
- điều này
- hàng ngàn
- số ba
- Thông qua
- thời gian
- mất thời gian
- đến
- công cụ
- Chủ đề
- Train
- đào tạo
- Hội thảo
- Đi du lịch
- Xu hướng
- kích hoạt
- thử
- hai
- kiểu
- khám phá
- Dưới
- hiểu
- độc đáo
- chưa được khai thác
- cho đến khi
- tải lên
- Đang tải lên
- us
- sử dụng
- ca sử dụng
- đã sử dụng
- người sử dang
- Người sử dụng
- sử dụng
- sử dụng
- Quý báu
- giá trị
- nhiều
- phiên bản
- Xem
- muốn
- Đường..
- we
- web
- các dịch vụ web
- Website
- khi nào
- cái nào
- trong khi
- toàn bộ
- sẽ
- với
- ở trong
- không có
- Công việc
- quy trình làm việc
- Luồng công việc
- đang làm việc
- tập thể dục
- công trinh
- Bạn
- trên màn hình
- zephyrnet
- Zip