Đây là blog chung với AWS và Philips.
Philips là công ty công nghệ y tế tập trung vào việc cải thiện cuộc sống của con người thông qua những đổi mới có ý nghĩa. Kể từ năm 2014, công ty đã cung cấp cho khách hàng Nền tảng Philips HealthSuite, nền tảng này điều phối hàng chục dịch vụ AWS mà các công ty chăm sóc sức khỏe và khoa học đời sống sử dụng để cải thiện việc chăm sóc bệnh nhân. Nó hợp tác với các nhà cung cấp dịch vụ chăm sóc sức khỏe, các công ty khởi nghiệp, trường đại học và các công ty khác để phát triển công nghệ giúp bác sĩ chẩn đoán chính xác hơn và cung cấp phương pháp điều trị cá nhân hóa hơn cho hàng triệu người trên toàn thế giới.
Một trong những động lực chính trong chiến lược đổi mới của Philips là trí tuệ nhân tạo (AI), cho phép tạo ra các sản phẩm và dịch vụ thông minh và được cá nhân hóa nhằm cải thiện kết quả sức khỏe, nâng cao trải nghiệm của khách hàng và tối ưu hóa hiệu quả hoạt động.
Amazon SageMaker cung cấp các công cụ được xây dựng có mục đích cho các hoạt động học máy (MLOps) để giúp tự động hóa và chuẩn hóa các quy trình trong vòng đời ML. Với các công cụ SageMaker MLOps, các nhóm có thể dễ dàng đào tạo, kiểm tra, khắc phục sự cố, triển khai và quản lý các mô hình ML trên quy mô lớn để tăng năng suất của các nhà khoa học dữ liệu và kỹ sư ML trong khi vẫn duy trì hiệu suất mô hình trong sản xuất.
Trong bài đăng này, chúng tôi mô tả cách Philips hợp tác với AWS để phát triển AI ToolSuite—nền tảng ML có khả năng mở rộng, an toàn và tuân thủ trên SageMaker. Nền tảng này cung cấp các khả năng từ thử nghiệm, chú thích dữ liệu, đào tạo, triển khai mô hình và các mẫu có thể tái sử dụng. Tất cả những khả năng này được xây dựng để giúp nhiều ngành kinh doanh đổi mới với tốc độ và sự linh hoạt trong khi quản lý trên quy mô lớn bằng các điều khiển trung tâm. Chúng tôi phác thảo các trường hợp sử dụng chính cung cấp các yêu cầu cho lần lặp đầu tiên của nền tảng, các thành phần cốt lõi và kết quả đạt được. Chúng tôi kết luận bằng cách xác định những nỗ lực không ngừng nhằm hỗ trợ nền tảng với khối lượng công việc AI tổng hợp và nhanh chóng đưa người dùng và nhóm mới áp dụng nền tảng này.
Bối cảnh khách hàng
Philips sử dụng AI trong nhiều lĩnh vực khác nhau, chẳng hạn như chẩn đoán hình ảnh, chẩn đoán, trị liệu, sức khỏe cá nhân và chăm sóc được kết nối. Một số ví dụ về các giải pháp hỗ trợ AI mà Philips đã phát triển trong những năm qua là:
- Philips SmartSpeed – Công nghệ hình ảnh dựa trên AI dành cho MRI sử dụng thuật toán AI học sâu dựa trên Compression-SENSE độc đáo để nâng tốc độ và chất lượng hình ảnh lên một tầm cao mới cho nhiều bệnh nhân
- Philips eCareManager – Giải pháp y tế từ xa sử dụng AI để hỗ trợ chăm sóc và quản lý từ xa những bệnh nhân nguy kịch trong các đơn vị chăm sóc đặc biệt, bằng cách sử dụng các thuật toán lâm sàng và phân tích nâng cao để xử lý dữ liệu bệnh nhân từ nhiều nguồn, đồng thời cung cấp thông tin chi tiết, cảnh báo và đề xuất hữu ích cho Đội chăm sóc
- Philips Sonicare – Bàn chải đánh răng thông minh sử dụng AI để phân tích hành vi đánh răng và sức khỏe răng miệng của người dùng, đồng thời cung cấp hướng dẫn theo thời gian thực và đề xuất được cá nhân hóa, chẳng hạn như thời gian, áp lực và phạm vi đánh răng tối ưu, để cải thiện vệ sinh răng miệng và ngăn ngừa sâu răng và các bệnh về nướu .
Trong nhiều năm, Philips đã đi tiên phong trong việc phát triển các thuật toán dựa trên dữ liệu để thúc đẩy các giải pháp đổi mới của mình trong lĩnh vực chăm sóc sức khỏe liên tục. Trong lĩnh vực chẩn đoán hình ảnh, Philips đã phát triển vô số ứng dụng ML để tái tạo và giải thích hình ảnh y tế, quản lý quy trình làm việc và tối ưu hóa điều trị. Ngoài ra, trong các nhóm theo dõi bệnh nhân, trị liệu hướng dẫn bằng hình ảnh, siêu âm và sức khỏe cá nhân cũng đang tạo ra các thuật toán và ứng dụng ML. Tuy nhiên, sự đổi mới đã bị cản trở do việc sử dụng môi trường phát triển AI bị phân mảnh giữa các nhóm. Các môi trường này bao gồm từ máy tính xách tay và máy tính để bàn riêng lẻ đến các cụm tính toán tại chỗ đa dạng và cơ sở hạ tầng dựa trên đám mây. Sự không đồng nhất này ban đầu cho phép các nhóm khác nhau tiến nhanh trong nỗ lực phát triển AI ban đầu của họ, nhưng hiện đang kìm hãm cơ hội mở rộng quy mô và nâng cao hiệu quả của các quy trình phát triển AI của chúng tôi.
Rõ ràng là sự thay đổi cơ bản hướng tới một môi trường thống nhất và tiêu chuẩn hóa là bắt buộc để thực sự giải phóng tiềm năng của những nỗ lực dựa trên dữ liệu tại Philips.
Các trường hợp sử dụng AI/ML chính và các yêu cầu về nền tảng
Các đề xuất hỗ trợ AI/ML có thể biến đổi hoạt động chăm sóc sức khỏe bằng cách tự động hóa các nhiệm vụ hành chính do bác sĩ lâm sàng thực hiện. Ví dụ:
- AI có thể phân tích hình ảnh y tế giúp bác sĩ X quang chẩn đoán bệnh nhanh hơn và chính xác hơn
- AI có thể dự đoán các sự kiện y tế trong tương lai bằng cách phân tích dữ liệu bệnh nhân và cải thiện việc chăm sóc chủ động
- AI có thể đề xuất phương pháp điều trị được cá nhân hóa phù hợp với nhu cầu của bệnh nhân
- AI có thể trích xuất và cấu trúc thông tin từ các ghi chú lâm sàng để giúp việc ghi chép hiệu quả hơn
- Giao diện AI có thể cung cấp hỗ trợ cho bệnh nhân về các truy vấn, lời nhắc và kiểm tra triệu chứng
Nhìn chung, AI/ML hứa hẹn giảm thiểu sai sót của con người, tiết kiệm thời gian và chi phí, tối ưu hóa trải nghiệm của bệnh nhân và các biện pháp can thiệp kịp thời, được cá nhân hóa.
Một trong những yêu cầu chính đối với nền tảng triển khai và phát triển ML là khả năng nền tảng hỗ trợ quá trình triển khai và phát triển lặp lại liên tục, như minh họa trong hình dưới đây.
Quá trình phát triển tài sản AI bắt đầu trong môi trường phòng thí nghiệm, nơi dữ liệu được thu thập và quản lý, sau đó các mô hình được đào tạo và xác thực. Khi mô hình đã sẵn sàng và được phê duyệt để sử dụng, nó sẽ được triển khai vào các hệ thống sản xuất trong thế giới thực. Sau khi triển khai, hiệu suất của mô hình sẽ được theo dõi liên tục. Hiệu suất và phản hồi trong thế giới thực cuối cùng được sử dụng để cải tiến mô hình hơn nữa với sự tự động hóa hoàn toàn trong quá trình đào tạo và triển khai mô hình.
Các yêu cầu chi tiết hơn về AI ToolSuite được điều khiển bởi ba trường hợp sử dụng ví dụ:
- Phát triển ứng dụng thị giác máy tính nhằm phát hiện đối tượng ở rìa. Nhóm khoa học dữ liệu mong đợi quy trình chú thích hình ảnh tự động dựa trên AI sẽ tăng tốc quá trình ghi nhãn tốn nhiều thời gian.
- Cho phép nhóm khoa học dữ liệu quản lý một nhóm mô hình ML cổ điển để đo điểm chuẩn cho số liệu thống kê trên nhiều đơn vị y tế. Dự án yêu cầu tự động hóa việc triển khai mô hình, theo dõi thử nghiệm, giám sát mô hình và kiểm soát nhiều hơn toàn bộ quá trình từ đầu đến cuối cho cả việc kiểm tra và đào tạo lại trong tương lai.
- Cải thiện chất lượng và thời gian tiếp thị các mô hình học sâu trong chẩn đoán hình ảnh y tế. Cơ sở hạ tầng điện toán hiện tại không cho phép chạy nhiều thử nghiệm song song, điều này làm trì hoãn việc phát triển mô hình. Ngoài ra, vì mục đích quản lý, cần phải đảm bảo khả năng tái tạo đầy đủ quá trình đào tạo mô hình trong vài năm.
những yêu cầu phi lý
Việc xây dựng nền tảng AI/ML mạnh mẽ và có thể mở rộng đòi hỏi phải xem xét cẩn thận các yêu cầu phi chức năng. Những yêu cầu này vượt xa các chức năng cụ thể của nền tảng và tập trung vào việc đảm bảo những điều sau:
- khả năng mở rộng – Nền tảng AI ToolSuite phải có khả năng mở rộng cơ sở hạ tầng tạo thông tin chi tiết của Philips một cách hiệu quả hơn để nền tảng có thể xử lý khối lượng dữ liệu, người dùng và khối lượng công việc AI/ML ngày càng tăng mà không làm giảm hiệu suất. Nó phải được thiết kế để mở rộng quy mô theo chiều ngang và chiều dọc để đáp ứng nhu cầu ngày càng tăng một cách liền mạch đồng thời cung cấp khả năng quản lý tài nguyên tập trung.
- HIỆU QUẢ – Nền tảng phải cung cấp khả năng tính toán hiệu suất cao để xử lý hiệu quả các thuật toán AI/ML phức tạp. SageMaker cung cấp nhiều loại phiên bản, bao gồm cả các phiên bản có GPU mạnh mẽ, có thể tăng tốc đáng kể các tác vụ suy luận và huấn luyện mô hình. Nó cũng sẽ giảm thiểu độ trễ và thời gian phản hồi để cung cấp kết quả theo thời gian thực hoặc gần thời gian thực.
- Độ tin cậy – Nền tảng phải cung cấp cơ sở hạ tầng AI mạnh mẽ và có độ tin cậy cao, trải rộng trên nhiều Vùng sẵn sàng. Kiến trúc đa vùng sẵn sàng này sẽ đảm bảo hoạt động AI không bị gián đoạn bằng cách phân phối tài nguyên và khối lượng công việc trên các trung tâm dữ liệu riêng biệt.
- Sự có sẵn – Nền tảng phải sẵn sàng 24/7, với thời gian ngừng hoạt động tối thiểu để bảo trì và nâng cấp. Tính khả dụng cao của AI ToolSuite phải bao gồm cân bằng tải, kiến trúc có khả năng chịu lỗi và giám sát chủ động.
- An ninh và Quản trị – Nền tảng phải sử dụng các biện pháp bảo mật mạnh mẽ, mã hóa, kiểm soát truy cập, vai trò chuyên dụng và cơ chế xác thực với sự giám sát liên tục đối với các hoạt động bất thường và tiến hành kiểm tra bảo mật.
- Data Management – Quản lý dữ liệu hiệu quả là rất quan trọng đối với nền tảng AI/ML. Các quy định trong ngành chăm sóc sức khỏe yêu cầu quản trị dữ liệu đặc biệt nghiêm ngặt. Nó phải bao gồm các tính năng như tạo phiên bản dữ liệu, dòng dữ liệu, quản trị dữ liệu và đảm bảo chất lượng dữ liệu để đảm bảo kết quả chính xác và đáng tin cậy.
- Khả năng cộng tác – Nền tảng này phải được thiết kế để tích hợp dễ dàng với kho dữ liệu nội bộ của Philips, cho phép trao đổi và cộng tác dữ liệu liền mạch với các ứng dụng của bên thứ ba.
- Khả năng bảo trì – Kiến trúc và cơ sở mã của nền tảng phải được tổ chức tốt, theo mô-đun và có thể bảo trì được. Điều này cho phép các kỹ sư và nhà phát triển ML của Philips cung cấp các bản cập nhật, sửa lỗi và cải tiến trong tương lai mà không làm gián đoạn toàn bộ hệ thống.
- Tối ưu hóa tài nguyên – Nền tảng phải giám sát các báo cáo sử dụng rất chặt chẽ để đảm bảo tài nguyên máy tính được sử dụng hiệu quả và phân bổ tài nguyên linh hoạt dựa trên nhu cầu. Ngoài ra, Philips nên sử dụng các công cụ Quản lý chi phí và thanh toán của AWS để đảm bảo các nhóm nhận được thông báo khi mức sử dụng vượt quá ngưỡng được phân bổ.
- Giám sát và đăng nhập – Nền tảng nên sử dụng amazoncloudwatch cảnh báo về khả năng giám sát và ghi nhật ký toàn diện, cần thiết để theo dõi hiệu suất hệ thống, xác định các điểm nghẽn và khắc phục sự cố một cách hiệu quả.
- Tuân thủ – Nền tảng này cũng có thể giúp cải thiện việc tuân thủ quy định của các đề xuất hỗ trợ AI. Khả năng tái tạo và truy xuất nguồn gốc phải được kích hoạt tự động bởi các quy trình xử lý dữ liệu từ đầu đến cuối, trong đó nhiều tạo phẩm tài liệu bắt buộc, chẳng hạn như báo cáo dòng dữ liệu và thẻ mô hình, có thể được chuẩn bị tự động.
- Kiểm tra và xác nhận – Phải áp dụng các quy trình kiểm tra và xác nhận nghiêm ngặt để đảm bảo tính chính xác và độ tin cậy của các mô hình AI/ML, đồng thời ngăn ngừa những sai lệch ngoài ý muốn.
Tổng quan về giải pháp
AI ToolSuite là môi trường phát triển AI khởi đầu nhanh, có thể mở rộng, từ đầu đến cuối, cung cấp SageMaker gốc và các dịch vụ AI/ML liên quan với các biện pháp bảo vệ quyền riêng tư và bảo mật của Philips HealthSuite cũng như tích hợp hệ sinh thái Philips. Có ba diện mạo với các bộ quyền truy cập chuyên dụng:
- Nhà khoa học dữ liệu – Chuẩn bị dữ liệu, phát triển và đào tạo các mô hình trong không gian làm việc cộng tác
- Kỹ sư ML – Sản xuất các ứng dụng ML với việc triển khai, giám sát và bảo trì mô hình
- Quản trị viên khoa học dữ liệu – Tạo một dự án theo yêu cầu của nhóm để cung cấp các môi trường biệt lập chuyên dụng với các mẫu dành riêng cho từng trường hợp sử dụng
Quá trình phát triển nền tảng kéo dài nhiều chu kỳ phát hành trong một chu trình lặp đi lặp lại từ khám phá, thiết kế, xây dựng, thử nghiệm và triển khai. Do tính độc đáo của một số ứng dụng, việc mở rộng nền tảng yêu cầu nhúng các thành phần tùy chỉnh hiện có như kho dữ liệu hoặc công cụ độc quyền để chú thích.
Hình dưới đây minh họa kiến trúc ba lớp của AI ToolSuite, bao gồm cơ sở hạ tầng cơ sở là lớp đầu tiên, các thành phần ML phổ biến là lớp thứ hai và các mẫu dành riêng cho dự án là lớp thứ ba.
Lớp 1 chứa cơ sở hạ tầng cơ sở:
- Lớp mạng có khả năng truy cập Internet được tham số hóa với tính sẵn sàng cao
- Cung cấp dịch vụ tự phục vụ với cơ sở hạ tầng dưới dạng mã (IaC)
- Một môi trường phát triển tích hợp (IDE) sử dụng Xưởng sản xuất Amazon SageMaker miền
- Vai trò nền tảng (quản trị viên khoa học dữ liệu, nhà khoa học dữ liệu)
- Lưu trữ hiện vật
- Ghi nhật ký và giám sát khả năng quan sát
Lớp 2 chứa các thành phần ML phổ biến:
- Theo dõi thử nghiệm tự động cho mọi công việc và quy trình
- Quy trình xây dựng mô hình để khởi chạy bản cập nhật xây dựng mô hình mới
- Một hệ thống đào tạo mô hình bao gồm đào tạo mô hình, đánh giá, đăng ký
- Một quy trình triển khai mô hình để triển khai mô hình cho giai đoạn thử nghiệm và phê duyệt cuối cùng
- Sổ đăng ký mô hình để dễ dàng quản lý các phiên bản mô hình
- Vai trò dự án được tạo riêng cho một trường hợp sử dụng nhất định để được chỉ định cho người dùng SageMaker Studio
- Kho lưu trữ hình ảnh để lưu trữ các hình ảnh vùng chứa xử lý, đào tạo và suy luận được xây dựng cho dự án
- Kho lưu trữ mã để lưu trữ các tạo phẩm mã
- Một dự án Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) để lưu trữ tất cả dữ liệu và thành phần dự án
Lớp 3 chứa các mẫu dành riêng cho dự án có thể được tạo bằng các thành phần tùy chỉnh theo yêu cầu của các dự án mới. Ví dụ:
- Mẫu 1 – Bao gồm một thành phần để truy vấn dữ liệu và theo dõi lịch sử
- Mẫu 2 – Bao gồm một thành phần dành cho chú thích dữ liệu với quy trình chú thích tùy chỉnh để sử dụng công cụ chú thích độc quyền
- Mẫu 3 – Bao gồm các thành phần dành cho hình ảnh vùng chứa tùy chỉnh để tùy chỉnh cả môi trường phát triển và quy trình đào tạo, hệ thống tệp HPC chuyên dụng và quyền truy cập từ IDE cục bộ cho người dùng
Sơ đồ sau đây nêu bật các dịch vụ AWS chính trải rộng trên nhiều tài khoản AWS để phát triển, dàn dựng và sản xuất.
Trong các phần sau, chúng ta thảo luận về các khả năng chính của nền tảng được hỗ trợ bởi các dịch vụ AWS, bao gồm SageMaker, Danh mục dịch vụ AWS, CloudWatch, AWS Lambda, Đăng ký container đàn hồi Amazon (Amazon ECR), Amazon S3, Quản lý truy cập và nhận dạng AWS (IAM) và những người khác.
Cơ sở hạ tầng như mã
Nền tảng này sử dụng IaC, cho phép Philips tự động hóa việc cung cấp và quản lý tài nguyên cơ sở hạ tầng. Cách tiếp cận này cũng sẽ hỗ trợ khả năng tái tạo, khả năng mở rộng, kiểm soát phiên bản, tính nhất quán, bảo mật và tính di động để phát triển, thử nghiệm hoặc sản xuất.
Truy cập vào môi trường AWS
SageMaker và các dịch vụ AI/ML liên quan được truy cập bằng các biện pháp bảo vệ để chuẩn bị dữ liệu, phát triển mô hình, đào tạo, chú thích và triển khai.
Sự cô lập và hợp tác
Nền tảng đảm bảo cách ly dữ liệu bằng cách lưu trữ và xử lý riêng biệt, giảm nguy cơ truy cập trái phép hoặc vi phạm dữ liệu.
Nền tảng này tạo điều kiện cho sự hợp tác nhóm, điều này rất cần thiết trong các dự án AI thường liên quan đến các nhóm đa chức năng, bao gồm các nhà khoa học dữ liệu, quản trị viên khoa học dữ liệu và kỹ sư MLOps.
Kiểm soát truy cập dựa trên vai trò
Kiểm soát truy cập dựa trên vai trò (RBAC) rất cần thiết trong việc quản lý quyền và đơn giản hóa việc quản lý quyền truy cập bằng cách xác định vai trò và quyền theo cách có cấu trúc. Nó giúp việc quản lý quyền trở nên đơn giản khi các nhóm và dự án phát triển cũng như kiểm soát quyền truy cập đối với các cá nhân khác nhau tham gia vào các dự án AWS AI/ML, chẳng hạn như quản trị viên khoa học dữ liệu, nhà khoa học dữ liệu, quản trị viên chú thích, người chú thích và kỹ sư MLOps.
Truy cập vào kho dữ liệu
Nền tảng này cho phép SageMaker truy cập vào các kho lưu trữ dữ liệu, đảm bảo rằng dữ liệu có thể được sử dụng hiệu quả cho việc đào tạo và suy luận mô hình mà không cần sao chép hoặc di chuyển dữ liệu qua các vị trí lưu trữ khác nhau, từ đó tối ưu hóa việc sử dụng tài nguyên và giảm chi phí.
Chú thích bằng các công cụ chú thích dành riêng cho Philips
AWS cung cấp một bộ dịch vụ AI và ML, chẳng hạn như SageMaker, Sự thật về mặt đất của Amazon SageMakervà Nhận thức về Amazon, được tích hợp hoàn toàn với các công cụ chú thích nội bộ dành riêng cho Philips. Sự tích hợp này cho phép các nhà phát triển đào tạo và triển khai các mô hình ML bằng cách sử dụng dữ liệu được chú thích trong môi trường AWS.
mẫu ML
Nền tảng AI ToolSuite cung cấp các mẫu trong AWS cho nhiều quy trình công việc ML khác nhau. Các mẫu này là các thiết lập cơ sở hạ tầng được cấu hình sẵn phù hợp với các trường hợp sử dụng ML cụ thể và có thể truy cập được thông qua các dịch vụ như Mẫu dự án SageMaker, Hình thành đám mây AWSvà Danh mục dịch vụ.
Tích hợp với Philips GitHub
Tích hợp với GitHub nâng cao hiệu quả bằng cách cung cấp nền tảng tập trung để kiểm soát phiên bản, đánh giá mã và quy trình CI/CD tự động (tích hợp liên tục và triển khai liên tục), giảm các tác vụ thủ công và tăng năng suất.
Tích hợp mã Visual Studio
Tích hợp với Visual Studio Code cung cấp một môi trường thống nhất để mã hóa, gỡ lỗi và quản lý các dự án ML. Điều này hợp lý hóa toàn bộ quy trình làm việc ML, giảm chuyển đổi ngữ cảnh và tiết kiệm thời gian. Việc tích hợp cũng tăng cường sự hợp tác giữa các thành viên trong nhóm bằng cách cho phép họ cùng nhau làm việc trên các dự án SageMaker trong môi trường phát triển quen thuộc, sử dụng hệ thống kiểm soát phiên bản cũng như chia sẻ mã và sổ ghi chép một cách liền mạch.
Mô hình và dòng dữ liệu cũng như khả năng truy xuất nguồn gốc để tái tạo và tuân thủ
Nền tảng này cung cấp phiên bản, giúp theo dõi các thay đổi đối với dữ liệu suy luận và đào tạo của nhà khoa học dữ liệu theo thời gian, giúp tái tạo kết quả và hiểu được sự phát triển của bộ dữ liệu dễ dàng hơn.
Nền tảng này cũng cho phép theo dõi thử nghiệm SageMaker, cho phép người dùng cuối ghi nhật ký và theo dõi tất cả siêu dữ liệu được liên kết với thử nghiệm ML của họ, bao gồm siêu tham số, dữ liệu đầu vào, mã và các tạo phẩm mô hình. Những khả năng này rất cần thiết để thể hiện sự tuân thủ các tiêu chuẩn quy định và đảm bảo tính minh bạch và trách nhiệm giải trình trong quy trình làm việc AI/ML.
Tạo báo cáo thông số kỹ thuật AI/ML để tuân thủ quy định
AWS duy trì chứng nhận tuân thủ cho nhiều tiêu chuẩn và quy định khác nhau của ngành. Báo cáo đặc tả AI/ML đóng vai trò là tài liệu tuân thủ thiết yếu, thể hiện sự tuân thủ các yêu cầu quy định. Các báo cáo này ghi lại phiên bản của bộ dữ liệu, mô hình và mã. Kiểm soát phiên bản là điều cần thiết để duy trì dòng dữ liệu, khả năng truy nguyên và khả năng tái tạo, tất cả đều quan trọng đối với việc tuân thủ quy định và kiểm tra.
Quản lý ngân sách cấp dự án
Quản lý ngân sách cấp dự án cho phép tổ chức đặt ra giới hạn chi tiêu, giúp tránh các chi phí không mong muốn và đảm bảo rằng các dự án ML nằm trong ngân sách. Với quản lý ngân sách, tổ chức có thể phân bổ ngân sách cụ thể cho từng dự án hoặc nhóm, giúp các nhóm xác định sớm sự thiếu hiệu quả về nguồn lực hoặc chi phí tăng đột biến ngoài dự kiến. Ngoài quản lý ngân sách, với tính năng tự động đóng sổ ghi chép không sử dụng, các thành viên trong nhóm tránh phải trả tiền cho những tài nguyên không sử dụng, đồng thời giải phóng các tài nguyên có giá trị khi chúng không được sử dụng tích cực, giúp chúng có sẵn cho các tác vụ hoặc người dùng khác.
Kết quả
AI ToolSuite được thiết kế và triển khai như một nền tảng toàn doanh nghiệp để phát triển và triển khai ML cho các nhà khoa học dữ liệu trên khắp Philips. Các yêu cầu đa dạng từ tất cả các đơn vị kinh doanh đã được thu thập và xem xét trong quá trình thiết kế và phát triển. Ngay từ đầu dự án, Philips đã xác định những người tiên phong trong nhóm kinh doanh đã đưa ra phản hồi và giúp đánh giá giá trị của nền tảng.
Các kết quả sau đã đạt được:
- Sự chấp nhận của người dùng là một trong những chỉ số quan trọng hàng đầu của Philips. Người dùng từ một số đơn vị kinh doanh đã được đào tạo và làm quen với nền tảng này và con số đó dự kiến sẽ tăng vào năm 2024.
- Một thước đo quan trọng khác là hiệu quả của người dùng khoa học dữ liệu. Với AI ToolSuite, môi trường phát triển ML mới được triển khai trong vòng chưa đầy một giờ thay vì vài ngày.
- Các nhóm khoa học dữ liệu có thể truy cập cơ sở hạ tầng điện toán dựa trên đám mây, an toàn, tiết kiệm chi phí và có thể mở rộng.
- Các nhóm có thể chạy song song nhiều thử nghiệm đào tạo mô hình, giúp giảm đáng kể thời gian đào tạo trung bình từ vài tuần xuống còn 1–3 ngày.
- Vì việc triển khai môi trường hoàn toàn tự động nên hầu như không cần sự tham gia của các kỹ sư cơ sở hạ tầng đám mây, giúp giảm chi phí vận hành.
- Việc sử dụng AI ToolSuite đã nâng cao đáng kể mức độ trưởng thành tổng thể của dữ liệu và các sản phẩm AI bằng cách thúc đẩy việc sử dụng các phương pháp ML tốt, quy trình làm việc được tiêu chuẩn hóa và khả năng tái tạo từ đầu đến cuối, điều này rất quan trọng đối với việc tuân thủ quy định trong ngành chăm sóc sức khỏe.
Nhìn về phía trước với AI sáng tạo
Khi các tổ chức chạy đua để áp dụng công nghệ AI tiên tiến tiếp theo, việc áp dụng công nghệ mới trong bối cảnh chính sách quản trị và bảo mật của tổ chức là điều bắt buộc. Kiến trúc của AI ToolSuite cung cấp một kế hoạch chi tiết tuyệt vời để cho phép truy cập vào các khả năng AI tổng hợp trong AWS cho các nhóm khác nhau tại Philips. Các nhóm có thể sử dụng các mô hình nền tảng có sẵn với Khởi động Amazon SageMaker, nơi cung cấp một số lượng lớn các mô hình nguồn mở từ Hugging Face và các nhà cung cấp khác. Với các biện pháp bảo vệ cần thiết đã có sẵn về kiểm soát truy cập, cung cấp dự án và kiểm soát chi phí, các nhóm sẽ bắt đầu sử dụng các khả năng AI tổng hợp trong SageMaker một cách liền mạch.
Ngoài ra, quyền truy cập vào nền tảng Amazon, một dịch vụ dựa trên API được quản lý hoàn toàn dành cho AI tổng hợp, có thể được cung cấp cho các tài khoản cá nhân dựa trên yêu cầu của dự án và người dùng có thể truy cập API Amazon Bedrock thông qua giao diện sổ ghi chép SageMaker hoặc thông qua IDE ưa thích của họ.
Có những cân nhắc bổ sung liên quan đến việc áp dụng AI sáng tạo trong môi trường được quản lý, chẳng hạn như chăm sóc sức khỏe. Cần phải xem xét cẩn thận giá trị do các ứng dụng AI tạo ra so với các rủi ro và chi phí liên quan. Ngoài ra còn cần phải tạo ra một khuôn khổ pháp lý và rủi ro để quản lý việc sử dụng các công nghệ AI tổng hợp của tổ chức. Các yếu tố như bảo mật dữ liệu, sự thiên vị và công bằng cũng như việc tuân thủ quy định cần được coi là một phần của các cơ chế đó.
Kết luận
Philips bắt đầu hành trình khai thác sức mạnh của thuật toán dựa trên dữ liệu để cách mạng hóa các giải pháp chăm sóc sức khỏe. Trong những năm qua, sự đổi mới trong chẩn đoán hình ảnh đã mang lại một số ứng dụng ML, từ tái tạo hình ảnh đến quản lý quy trình làm việc và tối ưu hóa điều trị. Tuy nhiên, phạm vi thiết lập đa dạng, từ máy tính xách tay riêng lẻ đến cụm tại chỗ và cơ sở hạ tầng đám mây, đã đặt ra những thách thức ghê gớm. Việc quản trị hệ thống riêng biệt, các biện pháp bảo mật, cơ chế hỗ trợ và giao thức dữ liệu đã cản trở cái nhìn toàn diện về TCO và quá trình chuyển đổi phức tạp giữa các nhóm. Quá trình chuyển đổi từ nghiên cứu và phát triển sang sản xuất gặp phải gánh nặng do thiếu nguồn gốc và khả năng tái tạo, khiến việc đào tạo lại mô hình liên tục trở nên khó khăn.
Là một phần trong sự hợp tác chiến lược giữa Philips và AWS, nền tảng AI ToolSuite được tạo ra để phát triển nền tảng ML có khả năng mở rộng, an toàn và tuân thủ với SageMaker. Nền tảng này cung cấp các khả năng từ thử nghiệm, chú thích dữ liệu, đào tạo, triển khai mô hình và các mẫu có thể tái sử dụng. Tất cả những khả năng này được xây dựng lặp đi lặp lại qua nhiều chu kỳ khám phá, thiết kế, xây dựng, thử nghiệm và triển khai. Điều này đã giúp nhiều đơn vị kinh doanh đổi mới với tốc độ và sự linh hoạt trong khi quản lý trên quy mô lớn bằng các biện pháp kiểm soát trung tâm.
Hành trình này đóng vai trò là nguồn cảm hứng cho các tổ chức đang tìm cách khai thác sức mạnh của AI và ML để thúc đẩy sự đổi mới và hiệu quả trong chăm sóc sức khỏe, cuối cùng mang lại lợi ích cho bệnh nhân và nhà cung cấp dịch vụ chăm sóc trên toàn thế giới. Khi tiếp tục phát huy thành công này, Philips sẵn sàng đạt được những bước tiến lớn hơn nữa trong việc cải thiện kết quả sức khỏe thông qua các giải pháp cải tiến hỗ trợ AI.
Để tìm hiểu thêm về cải tiến của Philips trên AWS, hãy truy cập Philips trên AWS.
Giới thiệu về tác giả
Frank Wartena là người quản lý chương trình tại Philips Innovation & Strategy. Anh ấy điều phối các tài sản nền tảng liên quan đến dữ liệu và AI để hỗ trợ các đề xuất hỗ trợ dữ liệu và AI của Philips của chúng tôi. Ông có nhiều kinh nghiệm về trí tuệ nhân tạo, khoa học dữ liệu và khả năng tương tác. Khi rảnh rỗi, Frank thích chạy bộ, đọc sách, chèo thuyền và dành thời gian cho gia đình.
Irina Fedulova là Trưởng nhóm Dữ liệu & AI chính tại Đổi mới & Chiến lược của Philips. Cô đang thúc đẩy các hoạt động chiến lược tập trung vào các công cụ, nền tảng và phương pháp thực hành tốt nhất nhằm tăng tốc và mở rộng quy mô phát triển cũng như sản xuất các giải pháp hỗ trợ AI (Sáng tạo) tại Philips. Irina có nền tảng kỹ thuật vững chắc về học máy, điện toán đám mây và công nghệ phần mềm. Ngoài công việc, cô thích dành thời gian cho gia đình, đi du lịch và đọc sách.
Selvakumar Palaniyappan là Chủ sở hữu sản phẩm tại Philips Innovation & Strategy, phụ trách quản lý sản phẩm cho nền tảng AI & ML của Philips HealthSuite. Ông có nhiều kinh nghiệm trong quản lý sản phẩm kỹ thuật và công nghệ phần mềm. Anh ấy hiện đang nỗ lực xây dựng một nền tảng triển khai và phát triển AI và ML có khả năng mở rộng và tuân thủ. Hơn nữa, anh ấy đang dẫn đầu việc áp dụng nó bởi các nhóm khoa học dữ liệu của Philips để phát triển các giải pháp và hệ thống y tế dựa trên AI.
Adnan Elci là Kiến trúc sư cơ sở hạ tầng đám mây cấp cao tại AWS Professional Services. Ông hoạt động với tư cách là Trưởng nhóm công nghệ, giám sát các hoạt động khác nhau cho khách hàng trong lĩnh vực Chăm sóc sức khỏe và Khoa học đời sống, Tài chính, Hàng không và Sản xuất. Sự nhiệt tình của anh đối với tự động hóa được thể hiện rõ qua việc anh tham gia sâu rộng vào việc thiết kế, xây dựng và triển khai các giải pháp khách hàng cấp doanh nghiệp trong môi trường AWS. Ngoài những cam kết nghề nghiệp của mình, Adnan còn tích cực cống hiến hết mình cho công việc tình nguyện, cố gắng tạo ra tác động tích cực và có ý nghĩa trong cộng đồng.
Hasan Poonawala là Kiến trúc sư Giải pháp Chuyên gia về AI / ML Cấp cao tại AWS, Hasan giúp khách hàng thiết kế và triển khai các ứng dụng học máy trong sản xuất trên AWS. Anh ấy có hơn 12 năm kinh nghiệm làm việc với tư cách là nhà khoa học dữ liệu, người thực hành máy học và nhà phát triển phần mềm. Khi rảnh rỗi, Hasan thích khám phá thiên nhiên và dành thời gian cho bạn bè và gia đình.
Sreoshi Roy là Giám đốc tương tác toàn cầu cấp cao của AWS. Với tư cách là đối tác kinh doanh của Khách hàng Khoa học Đời sống & Chăm sóc sức khỏe, cô có kinh nghiệm tuyệt vời trong việc xác định và đưa ra giải pháp cho các vấn đề kinh doanh phức tạp. Cô giúp khách hàng của mình đưa ra các mục tiêu chiến lược, xác định và thiết kế các chiến lược dữ liệu/đám mây, đồng thời triển khai giải pháp mạnh mẽ và có quy mô lớn để đáp ứng các mục tiêu kinh doanh và kỹ thuật của họ. Ngoài những nỗ lực nghề nghiệp, sự cống hiến của cô còn nằm ở việc tạo ra tác động có ý nghĩa đến cuộc sống của mọi người bằng cách nuôi dưỡng sự đồng cảm và thúc đẩy sự hòa nhập.
Wajahat Aziz là người dẫn đầu về AI/ML & HPC trong nhóm Khoa học đời sống và Chăm sóc sức khỏe AWS. Từng là người dẫn đầu về công nghệ ở nhiều vai trò khác nhau trong các tổ chức khoa học đời sống, Wajahat tận dụng kinh nghiệm của mình để giúp khách hàng chăm sóc sức khỏe và khoa học đời sống tận dụng công nghệ AWS để phát triển các giải pháp ML và HPC tiên tiến nhất. Lĩnh vực trọng tâm hiện tại của ông là nghiên cứu ban đầu, thử nghiệm lâm sàng và học máy bảo vệ quyền riêng tư.
Wioletta Stobieniecka là Nhà khoa học dữ liệu tại AWS Professional Services. Trong suốt sự nghiệp chuyên nghiệp của mình, cô đã thực hiện nhiều dự án dựa trên phân tích cho các ngành khác nhau như ngân hàng, bảo hiểm, viễn thông và khu vực công. Kiến thức của cô ấy về các phương pháp thống kê tiên tiến và máy học được kết hợp nhuần nhuyễn với sự nhạy bén trong kinh doanh. Cô ấy mang đến những tiến bộ AI gần đây để tạo ra giá trị cho khách hàng.
- 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. 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.
- nguồn: https://aws.amazon.com/blogs/machine-learning/philips-accelerates-development-of-ai-enabled-healthcare-solutions-with-an-mlops-platform-built-on-amazon-sagemaker/
- : có
- :là
- :không phải
- :Ở đâu
- $ LÊN
- 1
- 100
- 12
- 120
- 2014
- 2024
- 7
- 87
- a
- có khả năng
- Có khả năng
- Giới thiệu
- đẩy nhanh tiến độ
- tăng tốc
- truy cập
- Truy cập dữ liệu
- truy cập
- có thể truy cập
- trách nhiệm
- Trợ Lý Giám Đốc
- chính xác
- chính xác
- đạt được
- ngang qua
- hành động
- tích cực
- hoạt động
- sự nhạy bén
- Ngoài ra
- thêm vào
- tuân thủ
- quản trị viên
- quản lý
- hành chính
- nhận nuôi
- Nhận con nuôi
- tiên tiến
- tiến bộ
- chống lại
- AI
- AI / ML
- nhằm vào
- Cảnh báo
- thuật toán
- thuật toán
- Tất cả
- chỉ định
- phân bổ
- cho phép
- Cho phép
- cho phép
- Đã
- Ngoài ra
- đàn bà gan dạ
- Amazon SageMaker
- Amazon Web Services
- trong số
- số lượng
- an
- phân tích
- phân tích
- phân tích
- và
- API
- Các Ứng Dụng
- các ứng dụng
- phương pháp tiếp cận
- phê duyệt
- kiến trúc
- LÀ
- khu vực
- nhân tạo
- trí tuệ nhân tạo
- Trí tuệ nhân tạo (AI)
- AS
- tài sản
- Tài sản
- giao
- liên kết
- đảm bảo
- At
- kiểm toán
- kiểm toán
- Xác thực
- tự động hóa
- Tự động
- tự động
- tự động hóa
- Tự động hóa
- sẵn có
- có sẵn
- Trung bình cộng
- hàng không
- tránh
- AWS
- Dịch vụ chuyên nghiệp của AWS
- trở lại
- lý lịch
- cân bằng
- Ngân hàng
- cơ sở
- dựa
- BE
- được
- hành vi
- điểm chuẩn
- hưởng lợi
- BEST
- thực hành tốt nhất
- giữa
- Ngoài
- thiên vị
- thành kiến
- thanh toán
- Blog
- kế hoạch chi tiết
- tăng
- thúc đẩy
- cả hai
- tắc nghẽn
- vi phạm
- Mang lại
- rộng
- ngân sách
- Ngân sách
- Bug
- xây dựng
- Xây dựng
- xây dựng
- kinh doanh
- nhưng
- by
- cuộc gọi
- CAN
- khả năng
- Sức chứa
- Thẻ
- mà
- Tuyển Dụng
- cẩn thận
- trường hợp
- trường hợp
- Danh mục hàng
- Trung tâm
- trung tâm
- tập trung
- chứng chỉ
- thách thức
- Champions
- Những thay đổi
- phí
- cổ điển
- khách hàng
- Lâm sàng
- các thử nghiệm lâm sàng
- bác sĩ lâm sàng
- chặt chẽ
- đám mây
- điện toán đám mây
- cơ sở hạ tầng đám mây
- mã
- cơ sở mã
- Lập trình
- hợp tác
- hợp tác
- kết hợp
- đến
- cam kết
- Chung
- cộng đồng
- Các công ty
- công ty
- phức tạp
- tuân thủ
- compliant
- phức tạp
- thành phần
- các thành phần
- toàn diện
- Bao gồm
- tính toán
- Tính
- máy tính
- Tầm nhìn máy tính
- máy tính
- liên quan đến
- kết luận
- Tiến hành
- kết nối
- xem xét
- sự cân nhắc
- xem xét
- Container
- chứa
- bối cảnh
- tiếp tục
- liên tục
- liên tục
- Continuum
- điều khiển
- điều khiển
- Trung tâm
- Phí Tổn
- Quản lý chi phí
- tiết kiệm chi phí
- Chi phí
- bảo hiểm
- tạo
- Tạo nên giá trị
- tạo ra
- Tạo
- tạo
- quan trọng
- các đội chéo chức năng
- quan trọng
- lưu trữ
- Current
- Hiện nay
- khách hàng
- khách hàng
- kinh nghiệm khach hang
- Giải pháp khách hàng
- khách hàng
- tùy chỉnh
- chu kỳ
- chu kỳ
- dữ liệu
- Vi phạm dữ liệu
- các trung tâm dữ liệu
- Trao đổi dữ liệu
- quản lý dữ liệu
- Chuẩn bị dữ liệu
- xử lý dữ liệu
- khoa học dữ liệu
- nhà khoa học dữ liệu
- bảo mật dữ liệu
- hướng dữ liệu
- bộ dữ liệu
- Ngày
- dành riêng
- sự cống hiến
- sâu
- học kĩ càng
- định nghĩa
- xác định
- Bị hoan
- cung cấp
- giao
- phân phối
- Nhu cầu
- nhu cầu
- thể hiện
- triển khai
- triển khai
- triển khai
- triển khai
- mô tả
- Thiết kế
- thiết kế
- thiết kế
- chi tiết
- Phát hiện
- phát triển
- phát triển
- Nhà phát triển
- phát triển
- phát triển
- Phát triển
- chẩn đoán
- Chẩn đoán hình ảnh
- chẩn đoán
- khác nhau
- khó khăn
- khám phá
- thảo luận
- bệnh
- khác biệt
- phân phối
- khác nhau
- Các bác sĩ
- tài liệu
- tài liệu hướng dẫn
- miền
- lĩnh vực
- thực hiện
- xuống
- thời gian chết
- hàng chục
- lái xe
- điều khiển
- trình điều khiển
- lái xe
- hai
- suốt trong
- năng động
- Đầu
- dễ dàng hơn
- dễ dàng
- hệ sinh thái
- Cạnh
- hiệu quả
- hiệu quả
- hiệu quả
- hiệu quả
- những nỗ lực
- hay
- các yếu tố
- bắt tay
- nhúng
- sự đồng cảm
- cho phép
- kích hoạt
- cho phép
- cho phép
- mã hóa
- cuối
- Cuối cùng đến cuối
- nỗ lực
- Tham gia
- ky sư
- Kỹ Sư
- Kỹ sư
- nâng cao
- nâng cao
- cải tiến
- Nâng cao
- đảm bảo
- đảm bảo
- đảm bảo
- Doanh nghiệp
- sự nhiệt tình
- Toàn bộ
- Môi trường
- môi trường
- lôi
- đặc biệt
- thiết yếu
- đánh giá
- đánh giá
- Ngay cả
- sự kiện
- cuối cùng
- Mỗi
- hiển nhiên
- sự tiến hóa
- ví dụ
- ví dụ
- tuyệt vời
- Sàn giao dịch
- hiện tại
- dự kiến
- kinh nghiệm
- kinh nghiệm
- Kinh nghiệm
- thử nghiệm
- thí nghiệm
- khám phá
- mở rộng
- mở rộng
- trích xuất
- Đối mặt
- tạo điều kiện
- công bằng
- quen
- gia đình
- NHANH
- nhanh hơn
- Đặc tính
- Tính năng
- thông tin phản hồi
- Hình
- Tập tin
- cuối cùng
- tài chính
- Tên
- Tập trung
- tập trung
- tiếp theo
- Trong
- ghê gớm
- Forward
- bồi dưỡng
- Nền tảng
- phân mảnh
- Khung
- thẳng thắn
- bạn bè
- từ
- Nhiên liệu
- Full
- đầy đủ
- chức năng
- cơ bản
- xa hơn
- Hơn nữa
- tương lai
- thế hệ
- thế hệ
- Trí tuệ nhân tạo
- GitHub
- được
- Toàn cầu
- Go
- tốt
- quản trị
- cai quản
- cai quản
- GPU
- lớn hơn
- Mặt đất
- Phát triển
- Phát triển
- hướng dẫn
- hướng dẫn
- xử lý
- khai thác
- Khai thác
- Có
- có
- he
- cho sức khoẻ
- hệ thống y tế
- chăm sóc sức khỏe
- ngành chăm sóc sức khỏe
- giúp đỡ
- đã giúp
- giúp đỡ
- giúp
- cô
- Cao
- hiệu suất cao
- nổi bật
- cao
- mình
- của mình
- lịch sử
- tổ chức
- theo chiều ngang
- giờ
- Độ đáng tin của
- Tuy nhiên
- hpc
- HTML
- http
- HTTPS
- Nhân loại
- xác định
- xác định
- xác định
- Bản sắc
- Nhàn rỗi
- minh họa
- hình ảnh
- hình ảnh
- Hình ảnh
- Va chạm
- bắt buộc
- thực hiện
- thực hiện
- thực hiện
- quan trọng
- nâng cao
- cải tiến
- cải thiện
- in
- bao gồm
- bao gồm
- Bao gồm
- Bao gồm
- tăng
- Các chỉ số
- hệ thống riêng biệt,
- các ngành công nghiệp
- ngành công nghiệp
- tiêu chuẩn công nghiệp
- không hiệu quả
- thông tin
- Cơ sở hạ tầng
- ban đầu
- đổi mới
- sự đổi mới
- Chiến lược đổi mới
- sáng tạo
- đầu vào
- những hiểu biết
- Cảm hứng
- ví dụ
- thay vì
- bảo hiểm
- tích hợp
- tích hợp
- hội nhập
- tích hợp
- Sự thông minh
- Giao thức
- giao diện
- nội bộ
- Internet
- Khả năng cộng tác
- giải thích
- can thiệp
- trong
- liên quan
- tham gia
- sự tham gia
- Irina
- bị cô lập
- cô lập
- các vấn đề
- IT
- sự lặp lại
- ITS
- Việc làm
- chung
- cuộc hành trình
- jpg
- Giữ
- Key
- kiến thức
- phòng thí nghiệm
- ghi nhãn
- Thiếu sót
- Máy tính xách tay
- lớn
- Độ trễ
- phóng
- lớp
- dẫn
- lãnh đạo
- hàng đầu
- LEARN
- học tập
- Hợp pháp
- khuôn khổ pháp lý
- ít
- Cấp
- Tỉ lệ đòn bẩy
- đòn bẩy
- nằm
- Cuộc sống
- Life Science
- Khoa học đời sống
- vòng đời
- Lượt thích
- giới hạn
- dòng
- dòng
- sống
- cuộc sống
- tải
- địa phương
- . Các địa điểm
- đăng nhập
- khai thác gỗ
- tìm kiếm
- yêu
- máy
- học máy
- thực hiện
- Có thể bảo trì
- Duy trì
- duy trì
- bảo trì
- làm cho
- LÀM CHO
- Làm
- quản lý
- quản lý
- quản lý
- Công cụ quản lý
- giám đốc
- quản lý
- bắt buộc
- cách thức
- nhãn hiệu
- sản xuất
- nhiều
- thị trường
- trưởng thành
- có ý nghĩa
- các biện pháp
- cơ chế
- y khoa
- Gặp gỡ
- Các thành viên
- Siêu dữ liệu
- phương pháp
- số liệu
- hàng triệu
- tối thiểu
- ML
- MLOps
- kiểu mẫu
- mô hình
- mô-đun
- Màn Hình
- theo dõi
- giám sát
- chi tiết
- di chuyển
- MRI
- nhiều
- nhiều
- phải
- tự nhiên
- Thiên nhiên
- cần thiết
- Cần
- nhu cầu
- mạng lưới
- Mới
- những người dùng mới
- tiếp theo
- Không
- máy tính xách tay
- Chú ý
- thông báo
- tại
- con số
- vật
- Phát hiện đối tượng
- mục tiêu
- of
- cung cấp
- Cung cấp
- on
- onboard
- hàng loạt
- ONE
- đang diễn ra
- mở
- mã nguồn mở
- hoạt động
- hoạt động
- Hoạt động
- Cơ hội
- tối ưu
- tối ưu hóa
- Tối ưu hóa
- tối ưu hóa
- tối ưu hóa
- or
- Sức khỏe răng miệng
- gọi món
- cơ quan
- tổ chức
- Tổ chức
- Nền tảng khác
- Khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- kết quả
- đề cương
- bên ngoài
- kết thúc
- tổng thể
- giám sát
- chủ sở hữu
- Song song
- một phần
- đối tác
- hợp tác
- Đối tác
- vượt qua
- qua
- bệnh nhân
- bệnh nhân
- trả tiền
- người
- của người dân
- mỗi
- hiệu suất
- quyền
- riêng
- Cá nhân
- Tiên phong
- đường ống dẫn
- Nơi
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- sẵn sàng
- điều luật
- tính di động
- đặt ra
- tích cực
- Bài đăng
- tiềm năng
- quyền lực
- mạnh mẽ
- thực hành
- cần
- dự đoán
- ưa thích
- chuẩn bị
- Chuẩn bị
- chuẩn bị
- bảo quản
- áp lực
- ngăn chặn
- Hiệu trưởng
- riêng tư
- Chủ động
- vấn đề
- thủ tục
- quá trình
- Quy trình
- xử lý
- Sản phẩm
- quản lý sản phẩm
- Sản lượng
- năng suất
- Sản phẩm
- chuyên nghiệp
- chương trình
- dự án
- dữ liệu dự án
- dự án
- Hứa hẹn
- Thúc đẩy
- độc quyền
- giao thức
- cho
- cung cấp
- nhà cung cấp
- cung cấp
- cung cấp
- công khai
- mục đích
- chất lượng
- truy vấn
- Nhanh chóng
- Cuộc đua
- phạm vi
- khác nhau,
- nhanh chóng
- Reading
- sẵn sàng
- thế giới thực
- thời gian thực
- nhận
- gần đây
- giới thiệu
- khuyến nghị
- Giảm
- giảm
- đăng ký
- quy định
- quy định
- nhà quản lý
- Tuân thủ quy định
- liên quan
- phát hành
- phát hành
- độ tin cậy
- đáng tin cậy
- xa
- báo cáo
- Báo cáo
- kho
- yêu cầu
- cần phải
- Yêu cầu
- đòi hỏi
- nghiên cứu
- nghiên cứu và phát triển
- tài nguyên
- Thông tin
- phản ứng
- Kết quả
- có thể tái sử dụng
- Đánh giá
- cách mạng hóa
- nghiêm ngặt
- Nguy cơ
- rủi ro
- mạnh mẽ
- Vai trò
- vai trò
- chạy
- chạy
- hy sinh
- nhà làm hiền triết
- tiết kiệm
- Tiết kiệm
- khả năng mở rộng
- khả năng mở rộng
- Quy mô
- Khoa học
- KHOA HỌC
- Nhà khoa học
- các nhà khoa học
- liền mạch
- liền mạch
- Thứ hai
- phần
- ngành
- an toàn
- an ninh
- Kiểm toán an ninh
- Các biện pháp an ninh
- cao cấp
- riêng biệt
- phục vụ
- phục vụ
- phục vụ
- dịch vụ
- DỊCH VỤ
- định
- bộ
- thiết lập
- một số
- chia sẻ
- chị ấy
- thay đổi
- nên
- giới th
- thể hiện
- đóng cửa
- Đóng cửa
- đáng kể
- Đơn giản
- đơn giản hóa
- kể từ khi
- thông minh
- So
- Phần mềm
- kỹ thuật phần mềm
- giải pháp
- Giải pháp
- một số
- nguồn
- nguồn
- Vôn
- nhịp
- mũi nhọn
- chuyên gia
- riêng
- đặc biệt
- đặc điểm kỹ thuật
- tốc độ
- tiêu
- Chi
- gai
- dàn dựng
- tiêu chuẩn
- đứng
- Bắt đầu
- bắt đầu
- Startups
- nhà nước-of-the-art
- thống kê
- số liệu thống kê
- ở lại
- là gắn
- hàng
- cửa hàng
- lưu trữ
- đơn giản
- Chiến lược
- chiến lược
- Chiến lược
- sải bước
- phấn đấu
- mạnh mẽ
- cấu trúc
- cấu trúc
- phòng thu
- thành công
- như vậy
- bộ
- hỗ trợ
- chắc chắn
- triệu chứng
- hệ thống
- hệ thống
- phù hợp
- Hãy
- nhiệm vụ
- nhóm
- Thành viên của nhóm
- đội
- công nghệ cao
- Kỹ thuật
- Công nghệ
- Công nghệ
- Công ty viễn thông
- telehealth
- mẫu
- về
- thử nghiệm
- Kiểm tra
- hơn
- việc này
- Sản phẩm
- Tương lai
- cung cấp their dịch
- Them
- sau đó
- Đó
- bằng cách ấy
- Kia là
- họ
- Thứ ba
- của bên thứ ba
- điều này
- số ba
- ngưỡng
- Thông qua
- khắp
- thời gian
- mất thời gian
- hợp thời
- thời gian
- đến
- bên nhau
- công cụ
- đối với
- Truy xuất nguồn gốc
- theo dõi
- Theo dõi
- Train
- đào tạo
- Hội thảo
- Chuyển đổi
- quá trình chuyển đổi
- chuyển tiếp
- Minh bạch
- Đi du lịch
- điều trị
- thử nghiệm
- thực sự
- loại
- thường
- Cuối cùng
- không được phép
- hiểu
- Bất ngờ
- thống nhât
- độc đáo
- độc đáo
- các đơn vị
- Các trường Đại học
- giải phóng
- chưa từng có
- không sử dụng
- Cập nhật
- nâng cấp
- trên
- sử dụng
- ca sử dụng
- đã sử dụng
- Người sử dụng
- sử dụng
- sử dụng
- tận dụng
- Bằng cách sử dụng
- xác nhận
- xác nhận
- Quý báu
- giá trị
- nhiều
- khác nhau
- Lớn
- phiên bản
- theo chiều dọc
- rất
- thông qua
- Xem
- hầu như
- tầm nhìn
- Truy cập
- trực quan
- khối lượng
- Tình Nguyện
- là
- we
- web
- các dịch vụ web
- tuần
- TỐT
- là
- khi nào
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- rộng
- Phạm vi rộng
- sẽ
- với
- ở trong
- không có
- Công việc
- quy trình làm việc
- Luồng công việc
- đang làm việc
- khắp thế giới
- năm
- mang lại
- zephyrnet
- khu vực Ace