De kiemen van een paradigmaverschuiving op het gebied van machine learning (ML) bestaan al tientallen jaren, maar met de gemakkelijke beschikbaarheid van vrijwel oneindige rekencapaciteit, een enorme wildgroei aan gegevens en de snelle vooruitgang van ML-technologieën, nemen klanten in verschillende sectoren snel ML in gebruik technologieën om hun bedrijf te transformeren.
Onlangs hebben generatieve AI-toepassingen ieders aandacht en verbeelding getrokken. We bevinden ons echt op een opwindend keerpunt in de wijdverspreide acceptatie van ML, en we geloven dat elke klantervaring en toepassing opnieuw zal worden uitgevonden met generatieve AI.
Generatieve AI is een type AI dat nieuwe inhoud en ideeën kan creëren, waaronder gesprekken, verhalen, afbeeldingen, video's en muziek. Zoals alle AI wordt generatieve AI aangedreven door ML-modellen: zeer grote modellen die vooraf zijn getraind op enorme corpora aan gegevens en die gewoonlijk worden aangeduid als basismodellen (FM's).
Door de omvang en het algemene karakter van FM's verschillen ze van traditionele ML-modellen, die doorgaans specifieke taken uitvoeren, zoals het analyseren van tekst op sentiment, het classificeren van afbeeldingen en het voorspellen van trends.
Met traditionele ML-modellen moet u, om elke specifieke taak uit te voeren, gelabelde gegevens verzamelen, een model trainen en dat model implementeren. Met basismodellen kunt u, in plaats van gelabelde gegevens voor elk model te verzamelen en meerdere modellen te trainen, dezelfde vooraf getrainde FM gebruiken om verschillende taken aan te passen. U kunt FM's ook aanpassen om domeinspecifieke functies uit te voeren die onderscheidend zijn voor uw bedrijf, waarbij u slechts een klein deel van de gegevens en rekenkracht gebruikt die nodig zijn om een model vanaf nul te trainen.
Generatieve AI heeft het potentieel om veel industrieën te ontwrichten door een revolutie teweeg te brengen in de manier waarop content wordt gemaakt en geconsumeerd. De productie van originele inhoud, het genereren van codes, het verbeteren van de klantenservice en het samenvatten van documenten zijn typische use-cases van generatieve AI.
Amazon SageMaker JumpStart biedt vooraf getrainde, open-source modellen voor een breed scala aan probleemtypen om u te helpen aan de slag te gaan met ML. U kunt deze modellen stapsgewijs trainen en afstemmen voordat u ze implementeert. JumpStart biedt ook oplossingssjablonen voor het opzetten van een infrastructuur voor veelvoorkomende gebruiksscenario's, en uitvoerbare voorbeeldnotebooks voor ML met Amazon Sage Maker.
Met meer dan 600 vooraf getrainde modellen die elke dag groeien, stelt JumpStart ontwikkelaars in staat om snel en eenvoudig geavanceerde ML-technieken in hun productieworkflows op te nemen. U hebt toegang tot de vooraf getrainde modellen, oplossingssjablonen en voorbeelden via de JumpStart-landingspagina in Amazon SageMaker Studio. U kunt ook toegang krijgen tot JumpStart-modellen met behulp van de SageMaker Python SDK. Zie voor informatie over het programmatisch gebruiken van JumpStart-modellen Gebruik SageMaker JumpStart-algoritmen met vooraf getrainde modellen.
In april 2023 werd AWS onthuld Amazonebodem, dat een manier biedt om generatieve AI-aangedreven apps te bouwen via vooraf getrainde modellen van startups, waaronder AI21-laboratoria, antropisch en Stabiliteit AI. Amazon Bedrock biedt ook toegang tot Titan Foundation-modellen, een familie van modellen die intern door AWS zijn opgeleid. Met de serverloze ervaring van Amazon Bedrock kun je eenvoudig het juiste model voor je behoeften vinden, snel aan de slag gaan, FM's privé aanpassen met je eigen gegevens en ze eenvoudig integreren en implementeren in je applicaties met behulp van de AWS-tools en -mogelijkheden die je kent met (inclusief integraties met SageMaker ML-functies zoals Amazon SageMaker-experimenten om verschillende modellen te testen en Amazon SageMaker-pijpleidingen om uw FM's op schaal te beheren) zonder enige infrastructuur te hoeven beheren.
In dit bericht laten we zien hoe u beeld- en tekstgeneratieve AI-modellen van JumpStart kunt implementeren met behulp van de AWS Cloud-ontwikkelingskit (AWS-CDK). De AWS CDK is een open-source raamwerk voor softwareontwikkeling om uw cloudtoepassingsresources te definiëren met behulp van bekende programmeertalen zoals Python.
We gebruiken het Stable Diffusion-model voor beeldgeneratie en het FLAN-T5-XL-model voor natuurlijk taalbegrip (NLU) en tekst generatie van Gezicht knuffelen in Jump Start.
Overzicht oplossingen
De webapplicatie is gebouwd op Gestroomlijnd, een open-source Python-bibliotheek die het gemakkelijk maakt om prachtige, aangepaste web-apps voor ML en datawetenschap te maken en te delen. Wij hosten de webapplicatie met behulp van Amazon Elastic Container-service (Amazon ECS) met AWS Fargate en het is toegankelijk via een Application Load Balancer. Fargate is een technologie die je met Amazon ECS kunt laten draaien containers zonder dat u servers of clusters of virtuele machines hoeft te beheren. De eindpunten van het generatieve AI-model worden gestart vanuit JumpStart-afbeeldingen in Amazon Elastic Container-register (Amazone ECR). Modelgegevens worden opgeslagen Amazon eenvoudige opslagservice (Amazon S3) in het JumpStart-account. De webapplicatie communiceert met de modellen via Amazon API-gateway en AWS Lambda functies zoals weergegeven in het volgende diagram.
API Gateway biedt de webapplicatie en andere clients een standaard RESTful-interface, terwijl de Lambda-functies die met het model communiceren worden afgeschermd. Dit vereenvoudigt de code van de clienttoepassing die de modellen gebruikt. De API Gateway-eindpunten zijn in dit voorbeeld openbaar toegankelijk, waardoor de mogelijkheid bestaat om deze architectuur uit te breiden om andere te implementeren API-toegangscontroles en te integreren met andere applicaties.
In dit bericht leiden we je door de volgende stappen:
- Installeer de AWS-opdrachtregelinterface (AWS CLI) en AWS CDK v2 op uw lokale computer.
- Kloon en stel de AWS CDK-applicatie in.
- Implementeer de AWS CDK-applicatie.
- Gebruik het AI-model voor het genereren van afbeeldingen.
- Gebruik het AI-model voor het genereren van tekst.
- Bekijk de ingezette middelen op de AWS-beheerconsole.
We geven een overzicht van de code in dit project in de bijlage aan het einde van dit bericht.
Voorwaarden
Je moet de volgende voorwaarden hebben:
U kunt de infrastructuur in deze zelfstudie implementeren vanaf uw lokale computer of u kunt gebruiken AWS-Cloud9 als uw implementatiewerkstation. AWS Cloud9 is vooraf geladen met AWS CLI, AWS CDK en Docker. Als u kiest voor AWS Cloud9, de omgeving creëren van het AWS-console.
De geschatte kosten om dit bericht te voltooien zijn $ 50, ervan uitgaande dat u de bronnen 8 uur laat draaien. Zorg ervoor dat u de bronnen verwijdert die u in dit bericht maakt om lopende kosten te voorkomen.
Installeer de AWS CLI en AWS CDK op uw lokale computer
Als u de AWS CLI nog niet op uw lokale computer heeft, raadpleeg dan Installeren of updaten van de nieuwste versie van de AWS CLI en Configureren van de AWS CLI.
Installeer de AWS CDK Toolkit wereldwijd met behulp van de volgende node package manager-opdracht:
Voer de volgende opdracht uit om de juiste installatie te controleren en druk het versienummer van de AWS CDK af:
Zorg ervoor dat Docker op uw lokale computer is geïnstalleerd. Geef de volgende opdracht om de versie te verifiëren:
Kloon en stel de AWS CDK-applicatie in
Kloon op uw lokale computer de AWS CDK-applicatie met de volgende opdracht:
Navigeer naar de projectmap:
Laten we, voordat we de applicatie implementeren, de directorystructuur bekijken:
De stack
map bevat de code voor elke stapel in de AWS CDK-toepassing. De code
map bevat de code voor de Lambda-functies. De repository bevat ook de webapplicatie die zich onder de map bevindt web-app
.
De cdk.json
bestand vertelt de AWS CDK Toolkit hoe uw applicatie moet worden uitgevoerd.
Deze applicatie is getest in de us-east-1
Regio, maar het zou moeten werken in elke regio met het vereiste services- en inferentie-exemplaartype ml.g4dn.4xlarge
gespecificeerd in app.py
.
Zet een virtuele omgeving op
Dit project is opgezet als een standaard Python-project. Maak een virtuele Python-omgeving met behulp van de volgende code:
Gebruik de volgende opdracht om de virtuele omgeving te activeren:
Als u op een Windows-platform werkt, activeert u de virtuele omgeving als volgt:
Nadat de virtuele omgeving is geactiveerd, upgrade je pip naar de nieuwste versie:
Installeer de vereiste afhankelijkheden:
Voordat u een AWS CDK-toepassing implementeert, moet u een ruimte in uw account en de regio waarin u implementeert, opstarten. Voer de volgende opdracht uit om uw standaardregio op te starten:
Als u wilt implementeren in een specifiek account en regio, geeft u de volgende opdracht:
Ga voor meer informatie over deze opstelling naar Aan de slag met de AWS CDK.
AWS CDK applicatiestackstructuur
De AWS CDK-applicatie bevat meerdere stacks, zoals weergegeven in het volgende diagram.
U kunt de stapels in uw AWS CDK-toepassing weergeven met de volgende opdracht:
Hieronder volgen andere handige AWS CDK-opdrachten:
- cdk ls - Geeft een overzicht van alle stapels in de app
- cdk-synth - Zendt het gesynthetiseerde uit AWS CloudFormatie sjabloon
- cdk implementeren - Implementeert deze stapel naar uw standaard AWS-account en regio
- cdk verschil – Vergelijkt de geïmplementeerde stack met de huidige status
- cdk-documenten – Opent de AWS CDK-documentatie
In het volgende gedeelte ziet u hoe u de AWS CDK-toepassing implementeert.
Implementeer de AWS CDK-applicatie
De AWS CDK-applicatie wordt geïmplementeerd in de standaardregio op basis van uw werkstationconfiguratie. Als u de implementatie in een specifieke regio wilt forceren, stelt u uw AWS_DEFAULT_REGION
omgevingsvariabele dienovereenkomstig.
Op dit punt kunt u de AWS CDK-applicatie implementeren. Eerst start u de VPC-netwerkstack:
Voer in als u daarom wordt gevraagd y
om door te gaan met de inzet. U zou een lijst met AWS-bronnen moeten zien die in de stapel worden ingericht. Deze stap duurt ongeveer 3 minuten.
Vervolgens start u de webapplicatiestack:
Na analyse van de stapel geeft de AWS CDK de bronnenlijst in de stapel weer. Voer y in om door te gaan met de implementatie. Deze stap duurt ongeveer 5 minuten.
Noteer de WebApplicationServiceURL
van de uitvoer om later te gebruiken. U kunt het ook ophalen op de AWS CloudFormation-console, onder de GenerativeAiDemoWebStack
stapel uitgangen.
Start nu de eindpuntstapel van het AI-model voor het genereren van afbeeldingen:
Deze stap duurt ongeveer 8 minuten. Het eindpunt van het beeldgeneratiemodel is geïmplementeerd, we kunnen het nu gebruiken.
Gebruik het AI-model voor het genereren van afbeeldingen
Het eerste voorbeeld laat zien hoe u Stable Diffusion kunt gebruiken, een krachtige techniek voor generatieve modellering waarmee hoogwaardige afbeeldingen kunnen worden gemaakt op basis van tekstprompts.
- Ga naar de webapplicatie met behulp van de
WebApplicationServiceURL
uit de uitvoer vanGenerativeAiDemoWebStack
in uw browser. - Kies in het navigatievenster Afbeelding genereren.
- De SageMaker-eindpuntnaam en API GW-URL velden worden vooraf ingevuld, maar u kunt de prompt voor de afbeeldingsbeschrijving wijzigen als u dat wilt.
- Kies Afbeelding genereren.
- De applicatie zal het SageMaker-eindpunt aanroepen. Het duurt een paar seconden. Er wordt een afbeelding weergegeven met de kenmerken in uw afbeeldingsbeschrijving.
Gebruik het AI-model voor het genereren van tekst
Het tweede voorbeeld draait om het gebruik van het FLAN-T5-XL-model, een basismodel of een groot taalmodel (LLM), om in-context leren voor het genereren van tekst te bereiken en tegelijkertijd een breed scala aan natuurlijke taalbegrip (NLU) en natuurlijke taalgeneratie (NLG) taken.
Sommige omgevingen beperken mogelijk het aantal eindpunten dat u tegelijk kunt starten. Als dit het geval is, kunt u één SageMaker-eindpunt tegelijk starten. Om een SageMaker-eindpunt in de AWS CDK-app te stoppen, moet u de geïmplementeerde eindpuntstapel vernietigen en voordat u de andere eindpuntstapel start. Voer de volgende opdracht uit om het eindpunt van het AI-model voor het genereren van afbeeldingen af te wijzen:
Start vervolgens de eindpuntstapel van het AI-model voor het genereren van tekst:
Voer y in bij de prompts.
Nadat de eindpuntstack van het tekstgeneratiemodel is gelanceerd, voert u de volgende stappen uit:
- Ga terug naar de webapplicatie en kies Tekst genereren in het navigatievenster.
- De Invoercontext veld is vooraf ingevuld met een gesprek tussen een klant en een agent over een probleem met de telefoon van de klant, maar u kunt uw eigen context invoeren als u dat wilt.
- Onder de context vindt u enkele vooraf ingevulde zoekopdrachten in het vervolgkeuzemenu. Kies een vraag en kies Reactie genereren.
- U kunt ook uw eigen vraag invoeren in de Invoerquery veld en kies dan Reactie genereren.
Bekijk de geïmplementeerde bronnen op de console
Kies op de AWS CloudFormation-console Stacks in het navigatievenster om de geïmplementeerde stapels te bekijken.
Op de Amazon ECS-console ziet u de clusters op de Clusters pagina.
Op de AWS Lambda-console kunt u de functies op de Functies pagina.
Op de API Gateway-console ziet u de API Gateway-eindpunten op de APIs pagina.
Op de SageMaker-console kunt u de geïmplementeerde modeleindpunten zien op de Eindpunten pagina.
Wanneer de stapels worden gelanceerd, worden enkele parameters gegenereerd. Deze worden opgeslagen in de AWS Systems Manager-parameteropslag. Kies om ze te bekijken Parameter opslaan in het navigatievenster op de AWS-systeembeheerder console.
Opruimen
Om onnodige kosten te voorkomen, ruimt u alle gemaakte infrastructuur op met de volgende opdracht op uw werkstation:
Enter y
bij de prompt. Deze stap duurt ongeveer 10 minuten. Controleer of alle bronnen op de console zijn verwijderd. Verwijder ook de activa S3-buckets die zijn gemaakt door de AWS CDK op de Amazon S3-console, evenals de activa-repository's op Amazon ECR.
Conclusie
Zoals aangetoond in dit bericht, kunt u de AWS CDK gebruiken om generatieve AI-modellen in JumpStart in te zetten. We toonden een voorbeeld van het genereren van afbeeldingen en een voorbeeld van het genereren van tekst met behulp van een gebruikersinterface die wordt aangedreven door Streamlit, Lambda en API Gateway.
U kunt nu uw generatieve AI-projecten bouwen met behulp van vooraf getrainde AI-modellen in JumpStart. U kunt dit project ook uitbreiden om de basismodellen voor uw use case te verfijnen en de toegang tot API Gateway-eindpunten te beheren.
We nodigen u uit om de oplossing te testen en bij te dragen aan het project op GitHub. Deel uw mening over deze tutorial in de comments!
Licentie samenvatting
Deze voorbeeldcode wordt beschikbaar gesteld onder een gewijzigde MIT-licentie. Zie de LICENTIE bestand voor meer informatie. Bekijk ook de respectieve licenties voor de stabiele diffusie en flan-t5-xl modellen op Hugging Face.
Over de auteurs
Hantzley Tauckoor is een APJ Partner Solutions Architecture Leader gevestigd in Singapore. Hij heeft 20 jaar ervaring in de ICT-industrie in meerdere functionele gebieden, waaronder architectuur van oplossingen, bedrijfsontwikkeling, verkoopstrategie, advies en leiderschap. Hij leidt een team van Senior Solutions Architects die partners in staat stellen om gezamenlijke oplossingen te ontwikkelen, technische capaciteiten op te bouwen en hen door de implementatiefase te leiden terwijl klanten hun applicaties naar AWS migreren en moderniseren.
Kwonyul Choi is CTO bij BABITALK, een Koreaanse start-up voor schoonheidsverzorgingsplatforms, gevestigd in Seoul. Voorafgaand aan deze rol werkte Kownyul als Software Development Engineer bij AWS met een focus op AWS CDK en Amazon SageMaker.
Arunprasath Shankar is een Senior AI/ML Specialist Solutions Architect bij AWS, die wereldwijde klanten helpt hun AI-oplossingen effectief en efficiënt in de cloud te schalen. In zijn vrije tijd kijkt Arun graag naar sciencefictionfilms en luistert hij naar klassieke muziek.
Satish Upreti is Migration Lead PSA en Security SME in de partnerorganisatie in APJ. Satish heeft 20 jaar ervaring met on-premise private cloud- en public cloud-technologieën. Sinds hij in augustus 2020 bij AWS kwam als migratiespecialist, geeft hij uitgebreid technisch advies en ondersteuning aan AWS-partners bij het plannen en implementeren van complexe migraties.
Bijlage: Code walkthrough
In deze sectie geven we een overzicht van de code in dit project.
AWS CDK-applicatie
De belangrijkste AWS CDK-applicatie bevindt zich in de app.py
bestand in de hoofdmap. Het project bestaat uit meerdere stapels, dus we moeten de stapels importeren:
We definiëren onze generatieve AI-modellen en krijgen de gerelateerde URI's van SageMaker:
De functie get_sagemaker_uris haalt alle modelinformatie op uit JumpStart. Zien script/sagemaker_uri.py
.
Vervolgens instantiëren we de stapels:
De eerste stapel die wordt gelanceerd, is de VPC-stack, GenerativeAiVpcNetworkStack. De webapplicatiestack, GenerativeAiDemoWebStack, is afhankelijk van de VPC-stack. De afhankelijkheid wordt gedaan door parameter doorgeven vpc=network_stack.vpc.
Bekijk app.py
voor de volledige code.
VPC-netwerkstack
In de GenerativeAiVpcNetworkStack-stack maken we een VPC met een openbaar subnet en een privé-subnet verspreid over twee beschikbaarheidszones:
Bekijk /stack/generative_ai_vpc_network_stack.py
voor de volledige code.
Demo webapplicatiestack
In de GenerativeAiDemoWebStack-stack lanceren we Lambda-functies en respectieve API Gateway-eindpunten waarmee de webtoepassing communiceert met de SageMaker-modeleindpunten. Zie het volgende codefragment:
De webapplicatie is gecontaineriseerd en wordt gehost op Amazon ECS met Fargate. Zie het volgende codefragment:
Bekijk /stack/generative_ai_demo_web_stack.py
voor de volledige code.
Beeldgeneratie SageMaker-modeleindpuntstapel
De GenerativeAiTxt2imgSagemakerStack-stack maakt het eindpunt voor het genereren van afbeeldingen vanuit JumpStart en slaat de naam van het eindpunt op in Systems Manager Parameter Store. Deze parameter wordt gebruikt door de webapplicatie. Zie de volgende code:
Bekijk /stack/generative_ai_txt2img_sagemaker_stack.py
voor de volledige code.
NLU en tekstgeneratie SageMaker-modeleindpuntstapel
De GenerativeAiTxt2nluSagemakerStack-stack maakt het eindpunt van het NLU- en tekstgeneratiemodel vanuit JumpStart en slaat de naam van het eindpunt op in Systems Manager Parameter Store. Deze parameter wordt ook gebruikt door de webapplicatie. Zie de volgende code:
Bekijk /stack/generative_ai_txt2nlu_sagemaker_stack.py
voor de volledige code.
web applicatie
De webapplicatie bevindt zich in de /web-app
map. Het is een Streamlit-applicatie die is gecontaineriseerd volgens de Dockerfile
:
Zie voor meer informatie over Streamlit Gestroomlijnde documentatie.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoAiStream. Web3 gegevensintelligentie. Kennis versterkt. Toegang hier.
- De toekomst slaan met Adryenn Ashley. Toegang hier.
- Koop en verkoop aandelen in PRE-IPO-bedrijven met PREIPO®. Toegang hier.
- Bron: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- : heeft
- :is
- $UP
- 1
- 10
- 100
- 20
- 20 jaar
- 2020
- 2023
- 7
- 8
- 9
- a
- Over
- toegang
- geraadpleegde
- beschikbaar
- dienovereenkomstig
- Account
- Bereiken
- over
- aanpassen
- aanpakken
- De goedkeuring van
- Adoptie
- vordering
- advies
- Agent
- AI
- AI-powered
- AI / ML
- algoritmen
- Alles
- Het toestaan
- al
- ook
- Amazone
- Amazon API-gateway
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- het analyseren van
- en
- elke
- api
- gebruiken
- Aanvraag
- toepassingen
- apps
- April
- architectuur
- ZIJN
- gebieden
- rond
- AS
- Activa
- At
- aandacht
- Augustus
- beschikbaarheid
- Beschikbaar
- vermijd
- AWS
- AWS-Cloud9
- AWS CloudFormatie
- AWS Lambda
- terug
- balancer
- gebaseerde
- BAT
- BE
- prachtige
- Beauty
- vaardigheden
- wezen
- geloofd wie en wat je bent
- tussen
- Bootstrap
- breed
- browser
- bouw
- bebouwd
- bedrijfsdeskundigen
- zakelijke ontwikkeling
- ondernemingen
- maar
- by
- Bellen
- CAN
- mogelijkheden
- Inhoud
- gevangen
- verzorging
- geval
- gevallen
- CD
- Centra
- verandering
- kenmerken
- lasten
- controle
- Kies
- klant
- klanten
- Cloud
- Cloud9
- code
- komt
- Gemeen
- algemeen
- compleet
- complex
- Berekenen
- computer
- Configuratie
- troosten
- bouwen
- consulting
- geconsumeerd
- bevatte
- Containers
- bevat
- content
- verband
- bijdragen
- onder controle te houden
- Gesprek
- conversaties
- te corrigeren
- Kosten
- en je merk te creëren
- aangemaakt
- creëert
- het aanmaken
- CTO
- Actueel
- gewoonte
- klant
- klantervaring
- Klantenservice
- Klanten
- aan te passen
- op het randje
- gegevens
- data science
- dag
- decennia
- Standaard
- definieert
- gedemonstreerd
- demonstreert
- Afhankelijkheid
- afhankelijk
- implementeren
- ingezet
- het inzetten
- inzet
- ontplooit
- beschrijving
- vernietigen
- ontwikkelen
- ontwikkelaars
- Ontwikkeling
- anders
- Verspreiding
- Display
- ontwrichten
- havenarbeider
- document
- gedaan
- Dont
- beneden
- elk
- gemakkelijk
- En het is heel gemakkelijk
- effectief
- efficiënt
- in staat stellen
- maakt
- einde
- Endpoint
- ingenieur
- Enter
- Milieu
- omgevingen
- geschat
- Ether (ETH)
- Alle
- elke dag
- ieders
- voorbeeld
- voorbeelden
- opwindend
- bestond
- ervaring
- verlengen
- uitgebreid
- Gezicht
- vals
- vertrouwd
- familie
- Voordelen
- weinig
- veld-
- Velden
- Dien in
- VIND DE PLEK DIE PERFECT VOOR JOU IS
- Voornaam*
- Focus
- volgend
- volgt
- Voor
- Dwingen
- Foundation
- fractie
- Achtergrond
- oppompen van
- vol
- functie
- functioneel
- functies
- poort
- verzamelen
- verzameling
- voor algemeen gebruik
- gegenereerde
- generatie
- generatief
- generatieve AI
- krijgen
- Git
- Globaal
- Wereldwijd
- Groeiend
- Hebben
- met
- he
- hulp
- het helpen van
- hoogwaardige
- zijn
- Home
- gastheer
- gehost
- HOURS
- Hoe
- How To
- HTML
- http
- HTTPS
- ICT
- ideeën
- if
- beeld
- beeldgeneratie
- afbeeldingen
- verbeelding
- uitvoeren
- uitvoering
- importeren
- in
- Inclusief
- nemen
- industrieën
- -industrie
- Buigpunt
- informatie
- Infrastructuur
- installeren
- installatie
- geïnstalleerd
- instantie
- verkrijgen in plaats daarvan
- integreren
- integraties
- wisselwerking
- Interface
- in
- uitnodigt
- kwestie
- IT
- aansluiting
- gewricht
- jpg
- json
- Korean
- landing
- landing page
- taal
- Talen
- Groot
- later
- laatste
- lancering
- gelanceerd
- lancering
- leiden
- leider
- Leadership
- Leads
- LEARN
- leren
- Verlof
- Bibliotheek
- Vergunning
- licenties
- als
- LIMIT
- Lijn
- Lijst
- Het luisteren
- lijsten
- laden
- lokaal
- gelegen
- machine
- machine learning
- Machines
- gemaakt
- Hoofd
- maken
- MERKEN
- beheer
- management
- manager
- veel
- massief
- Menu
- macht
- trekken
- migratie
- minuten
- MIT
- ML
- ML-technieken
- model
- modellering
- modellen
- moderniseren
- gewijzigd
- meer
- Films
- meervoudig
- Muziek
- Dan moet je
- naam
- Naturel
- Natuurlijke taal
- Natuurlijke taalgeneratie
- Natuurlijk taalbegrip
- NATUUR
- Navigatie
- Noodzaak
- behoeften
- netwerk
- New
- volgende
- NLG
- nlu
- knooppunt
- laptops
- nu
- aantal
- of
- Aanbod
- on
- EEN
- lopend
- Slechts
- open source
- Open source software
- opent
- or
- bestellen
- organisatie
- origineel
- Overige
- onze
- uitgang
- over
- overzicht
- het te bezitten.
- pakket
- pagina
- brood
- paradigma
- parameter
- parameters
- partner
- partners
- Voorbijgaand
- uitvoeren
- fase
- phone
- beeld
- plan
- platform
- Plato
- Plato gegevensintelligentie
- PlatoData
- punt
- mogelijkheid
- Post
- potentieel
- aangedreven
- krachtige
- vereisten
- Voorafgaand
- privaat
- probleem
- productie
- Programming
- programmeertalen
- project
- projecten
- zorgen voor
- biedt
- publiek
- public cloud
- in het openbaar
- Python
- queries
- snel
- reeks
- snel
- snel
- klaar
- onlangs
- verwezen
- met betrekking tot
- regio
- verwant
- bewaarplaats
- nodig
- Voorwaarden
- hulpbron
- Resources
- degenen
- beoordelen
- Een revolutie
- rechts
- Rol
- wortel
- lopen
- lopend
- sagemaker
- verkoop
- dezelfde
- Scale
- sci-fi
- Wetenschap
- krassen
- sdk
- Tweede
- seconden
- sectie
- veiligheid
- zien
- zaden
- ZELF
- senior
- sentiment
- Seoul
- Serverless
- Servers
- service
- Diensten
- reeks
- setup
- Delen
- verschuiving
- moet
- tonen
- vertoonde
- getoond
- Shows
- Eenvoudig
- sinds
- Singapore
- Maat
- Klein
- EMS
- So
- Software
- software development
- oplossing
- Oplossingen
- sommige
- bron
- Tussenruimte
- specialist
- specifiek
- gespecificeerd
- stabiel
- stack
- Stacks
- standaard
- gestart
- startup
- Startups
- Stap voor
- Stappen
- stop
- mediaopslag
- shop
- opgeslagen
- winkels
- Blog
- Strategie
- structuur
- subnet
- ondersteuning
- zeker
- Systems
- neemt
- Taak
- taken
- team
- Technisch
- technieken
- Technologies
- Technologie
- vertelt
- templates
- proef
- testen
- tekst generatie
- dat
- De
- hun
- Ze
- harte
- Deze
- dit
- Door
- niet de tijd of
- Titan
- naar
- toolkit
- tools
- traditie
- traditioneel
- Trainen
- getraind
- Trainingen
- Transformeren
- Trends
- waar
- echt
- BEURT
- zelfstudie
- twee
- type dan:
- types
- typisch
- typisch
- voor
- begrip
- onthuld
- bijwerken
- upgrade
- .
- use case
- gebruikt
- Gebruiker
- User Interface
- gebruik
- gebruik maken van
- divers
- groot
- controleren
- versie
- via
- Video's
- Bekijk
- Virtueel
- virtueel
- Bezoek
- willen
- was
- kijken
- Manier..
- we
- web
- web applicatie
- webservices
- GOED
- welke
- en
- breed
- Grote range
- wijd verspreid
- Wikipedia
- wil
- ruiten
- Met
- zonder
- Mijn werk
- werkte
- workflows
- werkstation
- jaar
- u
- Your
- zephyrnet
- zones