المُقدّمة
لطالما كان التعرف الضوئي على الأحرف (OCR) ، طريقة تحويل النصوص المكتوبة بخط اليد / المطبوعة إلى نص مشفر آليًا ، مجالًا رئيسيًا للبحث في رؤية الكمبيوتر نظرًا لتطبيقاته العديدة عبر المجالات المختلفة - تستخدم البنوك التعرف الضوئي على الحروف لمقارنة البيانات ؛ تستخدم الحكومات تقنية التعرف الضوئي على الحروف (OCR) لمجموعات تعليقات الاستبيانات.
نظرًا للتنوع في أنماط الكتابة اليدوية والنصوص المطبوعة ، فإن الأساليب الحديثة في التعرف الضوئي على الحروف تدمج التعلم العميق للحصول على دقة أعلى. نظرًا لأن التعلم العميق يتطلب كميات هائلة من البيانات للتدريب على النموذج ، فإن شركات مثل Google تتفوق في إنتاج نتائج واعدة من خلال خدمات التعرف الضوئي على الحروف الخاصة بها.
تتعمق هذه المقالة في تفاصيل Google Cloud Vision OCR ، بما في ذلك برنامج تعليمي بسيط في Python ومجموعة التطبيقات والأسعار والبدائل الأخرى.
ما هو Google Cloud Vision؟
يعد Google Cloud Vision OCR جزءًا من Google cloud Vision API لاستخراج النص من الصور. على وجه التحديد ، هناك نوعان من التعليقات التوضيحية للمساعدة في التعرف على الأحرف:
- نص_تعليق: يقوم باستخراج وإخراج النصوص المشفرة آليًا من أي صورة (على سبيل المثال ، صور مناظر الشارع أو المناظر). نظرًا لأنه تم تصميمه في البداية ليكون قابلاً للاستخدام في ظروف الإضاءة المختلفة ، فإن هذا النموذج هو إلى حد ما أكثر قوة في قراءة الكلمات ذات الأنماط المختلفة ، ولكن على مستوى أكثر تناثرًا. يتضمن ملف JSON الذي تم إرجاعه السلاسل بأكملها بالإضافة إلى الكلمات الفردية والمربعات المحيطة المقابلة لها.
- Document_Text_Annotation. تعليق: تم تصميم هذا بشكل خاص للمستندات النصية المعروضة بكثافة (على سبيل المثال ، الكتب الممسوحة ضوئيًا). وبالتالي ، في حين أنه يدعم قراءة النصوص الأصغر والأكثر تركيزًا ، فإنه أقل قابلية للتكيف مع الصور في البرية. يتم تضمين معلومات مثل الفقرات والكتل والفواصل في ملف JSON الناتج.
هل تبحث عن حل OCR يتغلب على أوجه القصور في Google Cloud Vision؟ أعط Nanonets™ دوران للحصول على دقة أعلى ومرونة أكبر وأنواع مستندات أوسع!
برنامج تعليمي بسيط
يقدم القسم التالي برنامجًا تعليميًا بسيطًا حول بدء استخدام Google Vision API ، لا سيما حول كيفية استخدامه لخدمة Google Cloud Vision OCR.
نظرة عامة بسيطة
الفكرة من وراء ذلك بديهية وبسيطة للغاية.
1) تقوم بشكل أساسي بإرسال صورة (عن بُعد أو من التخزين المحلي الخاص بك) إلى Google Cloud Vision API.
2) تتم معالجة الصورة عن بُعد على Google Cloud وتنتج تنسيقات JSON المقابلة فيما يتعلق بالوظيفة التي طلبتها.
3) يتم إرجاع ملف JSON كمخرج بعد استدعاء الوظيفة.
إعداد Google Cloud Vision API
لاستخدام أي خدمات مقدمة من Google Vision API ، يجب على المرء تكوين Google Cloud Console وتنفيذ سلسلة من الخطوات للمصادقة. فيما يلي نظرة عامة خطوة بخطوة حول كيفية إعداد خدمة Vision API بالكامل.
- إنشاء مشروع في Google Cloud Console - يجب إنشاء مشروع لبدء استخدام أي خدمة Vision. ينظم المشروع موارد مثل المتعاونين وواجهات برمجة التطبيقات ومعلومات التسعير.
- تمكين الفوترة - لتمكين واجهة برمجة تطبيقات الرؤية ، يجب أولاً تمكين الفوترة لمشروعك. سيتم تناول تفاصيل التسعير في أقسام لاحقة.
- تفعيل Vision API
- إنشاء حساب الخدمة - أنشئ حساب خدمة واربطه بالمشروع الذي تم إنشاؤه ، ثم أنشئ مفتاح حساب الخدمة. سيتم إخراج المفتاح وتنزيله كملف JSON على جهاز الكمبيوتر الخاص بك.
- إعداد متغير البيئة GOOGLE_APPLICATION_CREDENTIALS: لإعداد متغير البيئة هذا ، قم بتشغيله على نظام التشغيل Mac / Linux أو Windows:
- كتل التعليمات البرمجية لنظام التشغيل Mac / Linux
- كتل التعليمات البرمجية لنظام التشغيل Windows
يمكن العثور على إجراء أكثر تفصيلاً للخطوات المذكورة أعلاه من الوثائق الرسمية المقدمة من Google Cloud من هنا:
https://cloud.google.com/vision/docs/quickstart-client-libraries
وظيفة التعرف الضوئي على الحروف في Google Vision البسيطة في Python
تعمل Google Cloud Vision API مع العديد من اللغات الشائعة ، بدءًا من Java و Node.js و Python وحتى لغة Google الخاصة Go. للتبسيط ، نقدم طريقة استدعاء بسيطة في Python.
بمعنى آخر ، تستدعي الطريقة الدالة بالتالي نص_تعليق، ثم استخرج الردود بشكل أكبر واطبع المعلومات. document_text_annotation يمكن أيضًا استدعاؤها بنفس الطريقة لاسترداد النصوص الكثيفة. يمكن للمرء أيضًا اكتشاف الصور عن بُعد عن طريق ضبط الصورة عبر:
image.source.image_uri = uri
حيث uri هو uri للصورة.
يمكن الحصول على مزيد من التفاصيل حول الرموز هنا:
https://cloud.google.com/vision
هل تبحث عن حل OCR يتغلب على أوجه القصور في Google Cloud Vision؟ أعط Nanonets™ دوران للحصول على دقة أعلى ومرونة أكبر وأنواع مستندات أوسع!
مستوى الانتاج المقدم
للمساعدة في مزيد من تحليل البيانات للنص ، توفر وظيفتا Google OCR مستويات مختلفة من الإخراج ليستخدمها المستخدمون: لـ نص_تعليق، كل من السلاسل بأكملها (إذا اعتبرتها Google جملة أو عبارة واحدة) والكلمات الفردية داخل ؛ ل document_text_annotationنظرًا لأنه تم تحسين النموذج للنص الكثيف ، يتم تقديم جميع الصفحات والكتلة والفقرة والكلمة والفاصل كجزء من الإخراج.
كيف تعمل بشكل جيد بالرغم من ذلك؟
ما مدى قوة النماذج؟
كما ذكرنا سابقًا ، تقدم Google وظيفتين لـ OCR في حالتين مختلفتين. فيما يلي وصف لقدرة وظيفتين في استرجاع أنواع مختلفة من البيانات.
البيانات المطبوعة
أسهل أنواع البيانات التي يمكن تفسيرها هي البيانات النصية المطبوعة ، أي النصوص المكتوبة بالكمبيوتر المطبوعة والممسوحة ضوئيًا. مطلوب التعرف الضوئي على الحروف عندما يكون لدينا فقط نسخة مطبوعة من هذه البيانات بدلاً من النصوص الأصلية المشفرة آليًا. نظرًا لأن معظم هذه النصوص ضيقة ومكتظة بالصفحات ، document_text_annotation سيكون خيارا أفضل.
بيانات مكتوبة بخط اليد
قد يحتوي المحتوى على نص مكتوب بخط اليد ويمكن أن تختلف أنماط البيانات المكتوبة بخط اليد بشكل كبير. ومع ذلك ، يوفر Google Vision OCR دقة مناسبة طالما أن الملاحظات المكتوبة بخط اليد ليست فوضوية للغاية. اعتمادًا على كيفية تعبئة وسيط البيانات المكتوبة بخط اليد ، نستخدم إحدى الوظيفتين على أساس كل حالة على حدة.
بيانات تم تدويرها / في البرية
عندما يتم عرض الصور أو الصور الممسوحة ضوئيًا بزوايا غير تقليدية أو غير محاذية ، فإننا نعتبرها بيانات في البرية. من المحتمل أن يكون اكتشاف النصوص أكثر صعوبة في المقام الأول ، وبالتالي فإننا نستخدم عادةً ملف نص_تعليق وظيفة تم تصميمها لمعالجة البيانات في البرية في المقام الأول. استنادًا إلى بعض تجارب المرور عبر النصوص الرأسية وعلامات الطريق الملتقطة من زوايا مختلفة ، نظهر أن Google Vision OCR يؤدي في الواقع أداءً لائقًا على البيانات من بيئات مختلفة.
لماذا OCR؟
العديد من البيانات التي لدينا اليوم في شكل غير منظم. على سبيل المثال ، بالنظر إلى صورة أو مستند ممسوح ضوئيًا أو صورة فوتوغرافية ، بينما يمكن للبشر التعرف بسرعة على النصوص وتفسير المعاني بشكل أكبر ، فإن جميع بيانات النص هي مجرد وحدات بكسل ذات ألوان ، ولا تقدم أي معنى حقيقي للآلات.
عندما تتعامل الشركات أو الشركات الكبيرة مع كميات هائلة من الأعمال الورقية ، فإن حجم البيانات الكبير سيجعل من المستحيل إجراء أي تصنيفات أو معالجة بيانات بجهود بشرية فقط - وهذا عندما يصبح النص المشفر آليًا في متناول اليد.
بعد تحويل OCR ، يمكن بعد ذلك تحليل المعلومات بطرق مختلفة متعددة اعتمادًا على طبيعة البيانات:
- بالنسبة للبيانات الرقمية ، يمكن تطبيق الأساليب الإحصائية مباشرة لتحليل أي ارتباطات. يمكننا أيضًا اعتماد طرق التعلم الآلي التقليدية (على سبيل المثال ، KNN ، K-Means ، الانحدار الخطي) أو مناهج التعلم العميق لإنشاء نماذج تنبؤية للانحدار و / أو التصنيف.
- بالنسبة للبيانات النصية ، قد تكون هناك حاجة لمزيد من مراحل المعالجة. غالبًا ما يشار إلى عملية تحليل البيانات النصية وتفسيرها إلى إحصاءات ذات مغزى باسم معالجة اللغة الطبيعية (NLP). على وجه التحديد ، يمكننا استخراج الأرقام أو حتى الدلالات / الغلاف الجوي بناءً على محتوى معين.
يمكن أن تسمح كل هذه التحليلات للشركات ، خاصة تلك التي لديها كميات هائلة من البيانات الجديدة كل يوم ، بإنشاء نماذج قوية وحتى أتمتة الكثير من العمليات واستبدال الأساليب التقليدية كثيفة العمالة والمليئة بالأخطاء. يتعمق القسم التالي في بعض الأمثلة التفصيلية لكيفية استخدام التعرف الضوئي على الحروف.
هل تبحث عن حل OCR يتغلب على أوجه القصور في Google Cloud Vision؟ أعط Nanonets™ دوران للحصول على دقة أعلى ومرونة أكبر وأنواع مستندات أوسع!
أمثلة على حالات الاستخدام
قراءة لوحة الترخيص
ربما يكون أحد الاستخدامات الأكثر شيوعًا لـ OCR في الوقت الحاضر هو التطبيق في قراءة لوحة الترخيص. في البلدان المتقدمة ، غالبًا ما تكون ساحات الانتظار مصحوبة بنماذج قراءة لوحة الترخيص لتحديد وقت الدخول ووقت الخروج وحتى الموقع الدقيق لوقوف السيارة لكل سيارة. حتى أن بعض مواقف السيارات متصلة بالشبكة الحكومية لفرض رسوم وقوف السيارات مباشرة على العائلات - وكل ذلك يخفف من الجهود البشرية الزائدة عن الحاجة.
يمكن أيضًا اعتماد نماذج التعرف الضوئي على الحروف للوحة الترخيص للكشف عن مخالفات المرور ، مما يسهل الوقت للشرطة لإدخال بيانات السيارة المخالفة يدويًا.
فحص الإيصالات والفواتير
تعد التوقعات المالية وموازنة أصول وخصوم الشركات من الأنشطة المهمة لأي شركة. نظرًا لأن الشركات الكبيرة تقوم بعمليات شراء بكميات كبيرة من قطاعات متعددة على مدار العام ، يتعين عليها جمع ومعالجة جميع الفواتير والإيصالات بدقة عند إنشاء البيانات المالية.
بمساعدة OCR ، يمكننا إنشاء خطوط أنابيب آلية تتعرف على عدد من تنسيقات الفواتير وتحويلها إلى أرقام. جهود العمالة مطلوبة فقط للفحص ، ويمكن للبيانات والأرقام المهيكلة أن تسمح للشركة بموازنة التدفقات الداخلة والخارجة بسرعة ، وإنشاء توقعات مالية ، وكذلك احترس من أي تلاعب خبيث في الشؤون المالية للشركة.
السجلات الطبية الكهربائية
غالبًا ما تكون بيانات المرضى مبعثرة في جميع أنحاء المنطقة أو البلد أو حتى عبر البلدان اعتمادًا على نمط حياة الأفراد. نظرًا للأنماط المختلفة للعيادات والمستشفيات (قد يكون لدى المستشفيات الكبيرة قواعد بيانات منظمة بينما قد يقوم الأطباء في العيادات الأصغر فقط بتدوين السجلات يدويًا) ، وعمر المرضى (يمكن إدراج المرضى الأكبر سنًا في قاعدة بيانات معينة قبل التجديد وإدماج أجهزة الكمبيوتر) ، ومواقع الأفراد (قد ينتقل الأشخاص إلى مدينة مختلفة أو حتى في الخارج) ، فقد يكون الحفاظ على الرعاية الطبية الشاملة في الواقع أمرًا صعبًا للغاية.
وبالتالي يصبح التعرف الضوئي على الحروف (OCR) المدرب جيدًا مفيدًا عند نقل السجل الطبي الإلكتروني من مستشفى إلى آخر ، أو تحويل البيانات المكتوبة بخط اليد إلى نص آلي - وكلاهما يمكن أن يسرع من عملية فهم التاريخ الطبي للمرضى بطريقة سريعة ومختصرة.
النماذج والمسوحات
قد تطلب المنظمات (سواء كانت حكومية أو غير حكومية) غالبًا تعليقات من العملاء أو المواطنين لتحسين خططهم ومنتجاتهم الترويجية الحالية. نظرًا لأن النماذج تُكتب عادةً يدويًا ، فقد يكون من الصعب إجراء أي تحليل إحصائي مباشر. لذلك ، يمكن مساعدة وتسريع عملية تحويل البيانات غير المهيكلة والاستطلاعات المكتوبة بخط اليد إلى أرقام رقمية لتسهيل العمليات الحسابية.
هل تبحث عن حل OCR يتغلب على أوجه القصور في Google Cloud Vision؟ أعط Nanonets™ دوران للحصول على دقة أعلى ومرونة أكبر وأنواع مستندات أوسع!
تسعير Cloud Vision
وفقا لجوجل موقع الكتروني، كلاهما نص_تعليق و document_text_annotation يتم تقديمها بنفس مستوى السعر كما يلي:
لكل شهر ، يتم منح أول 1000 وحدة مجانًا ، مع دفع 1000-5000000 بسعر 1.5 دولار لكل 1000 وحدة. بعد الوصول إلى علامة 5000000 ، ينخفض السعر إلى 0.6 دولار لكل 1000 وحدة (تعتبر كل صورة يتم إرسالها عبر Google Vision API كوحدة واحدة).
يشير السعر أعلاه إلى أن خدمة التعرف الضوئي على الحروف ميسورة التكلفة نسبيًا لكل من الشركات الصغيرة ذات الاستخدامات الأقل تكرارًا وكذلك الشركات الكبيرة التي تتطلب الخدمة أكثر من 5000000 مرة شهريًا.
الميزات البارزة لـ Google Cloud Vision OCR
يتميز Google OCR بالعديد من الفوائد ، وهنا نصف بعضًا من أهم الفوائد:
- قوي - تعمل الوظيفتان ، اللتان تخدمان نوعين من المستندات النصية التي تعتمد على قرار المستخدمين ، على جعل Google Vision OCR أكثر قوة نسبيًا من محركات OCR أحادية الطراز.
- دعم اللغة - ربما تكون أكبر قاعدة بيانات للغة ، وقد نصحت Google بأن التعرف الضوئي على الحروف الخاص بها قابل للتطبيق على أكثر من 60 لغة ، وتجريب بضع عشرات أخرى ، وتعيين العديد من الباقي إلى رمز لغة آخر أو أداة التعرف على اللغة العامة.
- سهولة الاستعمال - النموذج نفسه جزء من مكتبة Google Vision المدمجة. بعد العملية الأكثر إزعاجًا قليلاً لتكوين مفتاح واجهة برمجة التطبيقات (وهو مطلوب بواسطة جميع محركات التعرف الضوئي على الحروف تقريبًا) ، يمكن استخدام طريقة استدعاء الوظائف بعدة لغات بطريقة مباشرة للغاية.
- قابلية التوسع - تشجع إستراتيجية تسعير Google المستخدمين على توسيع نطاق استخدام واجهة برمجة التطبيقات ، حيث يؤدي المزيد من الاستخدام إلى متوسط سعر أرخص.
- سرعة - تترافق منصة تخزين Google Cloud بشكل رائع مع استخدام واجهة برمجة التطبيقات. من خلال تحميل الصور في محرك الأقراص ، يمكن أن يكون وقت استجابة API سريعًا جدًا وقابلًا للتطوير.
هل تبحث عن حل OCR يتغلب على أوجه القصور في Google Cloud Vision؟ أعط Nanonets™ دوران للحصول على دقة أعلى ومرونة أكبر وأنواع مستندات أوسع!
بدائل
فيما يلي بعض خدمات التعرف الضوئي على الحروف البديلة بخلاف Google Vision API ، إلى جانب مزايا وعيوب كل خدمة.
ABBYY
ABBYY FineReader PDF هو عبارة عن OCR تم تطويره بواسطة ABBYY ، والذي يركز بشكل خاص على قراءة ملفات pdf.
- الايجابيات: ABBYY أكثر ملاءمة من حيث التكلفة للمستخدمين الفرديين حيث يتم تقسيم الأسعار إلى قطاعات أصغر (1000 ، 2000 صفحة ، وما إلى ذلك). كما أنه موجه للعملاء غير الهندسيين لأنه تطبيق تجاري.
- سلبيات: يركز البرنامج على تنسيق PDF فقط ، ويصبح السعر مكلفًا للغاية عند إجراء التعرف الضوئي على الحروف على نطاق واسع.
- متى يجب استخدام: بالنسبة للمستخدمين الفرديين الذين يرغبون فقط في التعامل مع ملفات PDF بسرعة ، قد يكون ABBYY خيارًا أكثر قابلية للتطبيق من Google Vision API الذي يوفر مزيدًا من المرونة ولكنه يتطلب رموزًا إضافية.
مایکروسافت
يوفر Microsoft Azure أيضًا قراءة API لـ OCR.
- الايجابيات: توفر Microsoft سعرًا أرخص لاستخدام عدد أكبر من البيانات. يقدم التخزين السحابي Azure خدمات مماثلة مثل Google Cloud.
- سلبيات: لا توجد طبقة مجانية ، بينما توفر الخيارات الأخرى مكالمات مجانية لواجهة برمجة التطبيقات للاستخدام المنخفض.
- متى يجب استخدام: يمكن أن تستفيد خطوط إنتاج التعرف الضوئي على الحروف واسعة النطاق من أسعار Microsoft.
كوفاكس
على غرار ABBYY ، يقدم Kofax أيضًا قراءة OCR لملفات PDF
- الايجابيات: السعر ثابت للاستخدام الفردي ، ويتم تقديم خصومات للمؤسسات. كما يتم توفير دعم العملاء على مدار الساعة طوال أيام الأسبوع.
- سلبيات: يُزعم أن الجودة ليست عالية مثل ABBYY.
- متى يجب استخدام: الشركات الصغيرة ذات متطلبات الاستخدام المنخفض.
تؤدي AWS Textract دورًا مشابهًا جدًا مقارنةً بواجهة برمجة تطبيقات Google Vision. خدماتهم وأسعارهم متشابهة جدًا ، وبالتالي فإن أي خدمة يتم تبنيها يعتمد بالكامل على تفضيلات العملاء.
النانو
على عكس الخدمات التي تمت مناقشتها سابقًا ، يتم تصنيف OCRs الخاصة بـ Nanonets إلى فئات محددة ، مع نماذج قوية مدربة على كل نوع بيانات (على سبيل المثال ، الإيصالات والفواتير ورخص القيادة).
- الايجابيات: OCRs الخاصة بالفئة ، وبالتالي توفر نتائج أفضل من حيث الدقة عندما تطلب الشركات التعرف الضوئي على الحروف للتطبيقات الخاصة بالهدف.
- سلبيات: قد يكون Nanonets OCR أقل قابلية للتطبيق على الإعدادات في البرية نظرًا للنماذج شديدة التحديد والمصممة
- متى يجب استخدام: إذا طلبت الشركات التعرف الضوئي على الحروف لنوع معين من البيانات مثل الفواتير ، فقد تكون الشبكات النانوية خيارًا ميسور التكلفة ودقيقًا للغاية.
المشكلات الشائعة مع Cloud Vision
في هذا القسم الأخير ، نهدف إلى معالجة بعض الأسئلة من Stackoverflow فيما يتعلق بمسح المستندات ضوئيًا و OCR
التعرف على الوثائق باستخدام الشبكات العصبية
هذا هو الاستخدام الدقيق لـ Google OCR! اتبع الخطوات المذكورة أعلاه لمسح المستندات ضوئيًا وإجراء استرجاع النص.
الحصول على أهم التفاصيل بعد التعرف الضوئي على الحروف
تسمى فكرة تحليل المحتويات الأكثر أهمية داخل أي مستند معالجة اللغة الطبيعية. نظرًا لأن كل وثيقة تحتوي على مثل هذه المعلومات في أشكال مختلفة ، فمن المستحسن اعتماد بعض مناهج غسل الأموال للقيام بذلك. بالطبع ، إذا كانت جميع البطاقات بنفس التنسيق ، فيجب أن تعمل أيضًا الطرق المستندة إلى القواعد لاسترداد النصوص ذات الأحرف الرئيسية المعينة (على سبيل المثال ، إذا كانت تحتوي على @ ، فهي رسالة بريد إلكتروني).
هل يمكن تشغيله في وضع عدم الاتصال؟
الرابط: https://stackoverflow.com/questions/63315520/google-cloud-vision-api-can-it-run-offline
للاسف لا. تستدعي واجهة برمجة التطبيقات Google Cloud OCR عن بُعد ، ولا يمكنك العمل في وضع عدم الاتصال لأن واجهة برمجة التطبيقات تكلف المال.
هل يمكنه اكتشاف ما إذا كان النص بخط غامق أم مائل؟
لا ، من المرجح أن يكتشف Google OCR محتوى النص حتى عندما يكون بالخط العريض أو المائل ولكن نموذج OCR غير مصمم لفهم أنواع الخطوط.
- حسابي
- أنشطة
- تحليل
- API
- واجهات برمجة التطبيقات
- التطبيق
- تطبيق
- التطبيقات
- المنطقة
- حول
- البند
- ممتلكات
- التحقّق من المُستخدم
- الآلي
- أتمتة
- Azure
- أزور الغيمة
- البنوك
- الفواتير
- كُتُب
- سيارة
- التعرف على الشخصية
- تهمة
- متهم
- تدقيق
- المدينة
- تصنيف
- سحابة
- سحابة التخزين
- الكود
- مشترك
- الشركات
- حول الشركة
- رؤية الكمبيوتر
- أجهزة الكمبيوتر
- محتوى
- محتويات
- تحويل
- الشركات
- التكاليف
- دولة
- خلق
- حالياًّ
- دعم العملاء
- العملاء
- البيانات
- تحليل البيانات
- معالجة المعلومات
- قاعدة البيانات
- قواعد البيانات
- يوم
- تعامل
- التعلم العميق
- تنوع
- الأطباء
- وثائق
- المجالات
- قيادة
- تخفيف
- حافة
- البريد الإلكتروني
- البيئة
- إلخ
- خروج
- مقتطفات
- الأسر
- FAST
- المميزات
- الرسوم الدراسية
- المعيل هو
- مالي
- شركة
- الاسم الأول
- مرونة
- اتباع
- شكل
- مجانًا
- وظيفة
- العلاجات العامة
- GIF
- شراء مراجعات جوجل
- سحابة جوجل
- الحكومات
- في المتناول
- هنا
- مرتفع
- تاريخ
- المستشفى
- المستشفيات
- كيفية
- كيفية
- HTTPS
- البشر
- فكرة
- صورة
- بما فيه
- العالمية
- معلومات
- مسائل
- IT
- جافا
- حفظ
- القفل
- عمل
- لغة
- اللغات
- كبير
- تعلم
- مستوى
- المكتبة
- حقوق الملكية الفكرية
- التراخيص
- نمط الحياة
- LINK
- محلي
- موقع
- طويل
- آلة التعلم
- الآلات
- رائد
- برنامج Maps
- علامة
- طبي
- متوسط
- مایکروسافت
- ML
- نموذج
- مال
- خطوة
- اللغة الطبيعية
- معالجة اللغات الطبيعية
- شبكة
- عصبي
- البرمجة اللغوية العصبية
- نود.جي إس
- أرقام
- التعرف الضوئي على الحروف
- عروض
- رسمي
- خيار
- مزيد من الخيارات
- طلب
- أخرى
- موقف سيارات
- المرضى
- مجتمع
- المنصة
- Police
- أكثر الاستفسارات
- السعر
- التسعير
- الإنتــاج
- المنتجات
- تنفيذ المشاريع
- مشتريات
- بايثون
- جودة
- نطاق
- نادي القراءة
- تسجيل
- تراجع
- المتطلبات الأساسية
- بحث
- الموارد
- استجابة
- REST
- النتائج
- يجري
- حجم
- تفحص
- مسح
- قطاعات
- إحساس
- مسلسلات
- خدمات
- خدمة
- طقم
- ضبط
- لوحات
- الاشارات
- صغير
- So
- تطبيقات الكمبيوتر
- غزل
- بداية
- بدأت
- إحصائيات
- تخزين
- الإستراتيجيات
- شارع
- الدعم
- الدعم
- الدراسة الاستقصائية
- الوقت
- حركة المرور
- قادة الإيمان
- البرنامج التعليمي
- عالمي
- URI
- المستخدمين
- رؤيتنا
- حجم
- شاهد
- من الذى
- نوافذ
- في غضون
- كلمات
- للعمل
- أعمال
- X
- عام