Семена парадигмы машинного обучения (ML) существовали десятилетиями, но благодаря доступности практически бесконечных вычислительных мощностей, массовому распространению данных и быстрому развитию технологий ML клиенты из разных отраслей быстро внедряют и используют ML. технологии для трансформации своего бизнеса.
Совсем недавно приложения для генеративного ИИ привлекли всеобщее внимание и воображение. Мы действительно находимся в захватывающем переломном моменте в широком внедрении машинного обучения, и мы верим, что каждый клиентский опыт и приложение будут заново изобретены с помощью генеративного ИИ.
Генеративный ИИ — это тип ИИ, который может создавать новый контент и идеи, включая разговоры, истории, изображения, видео и музыку. Как и весь ИИ, генеративный ИИ основан на моделях машинного обучения — очень больших моделях, предварительно обученных на обширных массивах данных и обычно называемых базовыми моделями (ФМ).
Размер и универсальный характер FM отличают их от традиционных моделей ML, которые обычно выполняют определенные задачи, такие как анализ текста на предмет тональности, классификация изображений и прогнозирование тенденций.
В традиционных моделях машинного обучения для выполнения каждой конкретной задачи необходимо собирать размеченные данные, обучать модель и развертывать эту модель. С базовыми моделями вместо сбора размеченных данных для каждой модели и обучения нескольких моделей вы можете использовать один и тот же предварительно обученный FM для адаптации различных задач. Вы также можете настроить FM для выполнения специфичных для предметной области функций, которые дифференцируют ваш бизнес, используя лишь небольшую часть данных и вычислений, необходимых для обучения модели с нуля.
Генеративный ИИ может изменить многие отрасли, изменив способы создания и потребления контента. Производство оригинального контента, генерация кода, улучшение обслуживания клиентов и обобщение документов — типичные варианты использования генеративного ИИ.
Amazon SageMaker JumpStart предоставляет предварительно обученные модели с открытым исходным кодом для широкого спектра типов задач, которые помогут вам начать работу с ML. Вы можете постепенно обучать и настраивать эти модели перед развертыванием. JumpStart также предоставляет шаблоны решений, которые настраивают инфраструктуру для распространенных случаев использования, и исполняемые примеры блокнотов для машинного обучения с Создатель мудреца Амазонки.
JumpStart предлагает более 600 предварительно обученных моделей, количество которых растет каждый день, и позволяет разработчикам быстро и легко внедрять передовые методы машинного обучения в свои производственные рабочие процессы. Вы можете получить доступ к предварительно обученным моделям, шаблонам решений и примерам через целевую страницу JumpStart в Студия Amazon SageMaker. Вы также можете получить доступ к моделям JumpStart с помощью SageMaker Python SDK. Сведения о программном использовании моделей JumpStart см. Используйте алгоритмы SageMaker JumpStart с предварительно обученными моделями.
В апреле 2023 года AWS представила Коренная порода Амазонки, который позволяет создавать генеративные приложения на основе ИИ с помощью предварительно обученных моделей от стартапов, включая Лаборатория AI21, Антропныйи Стабильность ИИ. Amazon Bedrock также предлагает доступ к базовым моделям Titan — семейству моделей, обученных собственными силами AWS. Благодаря бессерверному опыту работы с Amazon Bedrock вы можете легко найти модель, подходящую для ваших нужд, быстро приступить к работе, индивидуально настроить FM с вашими собственными данными, а также легко интегрировать и развернуть их в свои приложения, используя знакомые вам инструменты и возможности AWS. с (включая интеграцию с такими функциями SageMaker ML, как Эксперименты с Amazon SageMaker тестировать разные модели и Конвейеры Amazon SageMaker для управления вашими FM в любом масштабе) без необходимости управлять какой-либо инфраструктурой.
В этом посте мы покажем, как развернуть модели искусственного интеллекта, генерирующие изображения и текст, из JumpStart, используя Комплект для разработки облачных сервисов AWS (АВС ЦДК). AWS CDK — это среда разработки программного обеспечения с открытым исходным кодом для определения ресурсов ваших облачных приложений с использованием знакомых языков программирования, таких как Python.
Мы используем модель стабильной диффузии для генерации изображений и модель FLAN-T5-XL для понимание естественного языка (NLU) и генерация текста из Обнимая лицо в джампстарте.
Обзор решения
Веб-приложение построено на стримлит, библиотеку Python с открытым исходным кодом, которая позволяет легко создавать красивые настраиваемые веб-приложения для машинного обучения и обработки данных и делиться ими. Мы размещаем веб-приложение, используя Amazon Elastic Контейнерный Сервис (Amazon ECS) с АМС Фаргейт и доступ к нему осуществляется через Application Load Balancer. Fargate — это технология, которую можно использовать с Amazon ECS для запуска контейнеры без необходимости управлять серверами, кластерами или виртуальными машинами. Конечные точки генеративной модели ИИ запускаются из изображений JumpStart в Реестр Amazon Elastic Container (Амазон ЭКР). Данные модели хранятся на Простой сервис хранения Amazon (Amazon S3) в учетной записи JumpStart. Веб-приложение взаимодействует с моделями через Шлюз API Amazon и AWS Lambda работает, как показано на следующей диаграмме.
Шлюз API предоставляет веб-приложению и другим клиентам стандартный интерфейс RESTful, защищая при этом функции Lambda, взаимодействующие с моделью. Это упрощает код клиентского приложения, использующего модели. В этом примере конечные точки шлюза API общедоступны, что позволяет расширять эту архитектуру для реализации различных Контроль доступа к API и интегрироваться с другими приложениями.
В этом посте мы проведем вас через следующие шаги:
- Установить Интерфейс командной строки AWS (AWS CLI) и AWS CDK версии 2 на вашей локальной машине.
- Клонируйте и настройте приложение AWS CDK.
- Разверните приложение AWS CDK.
- Используйте модель искусственного интеллекта для создания изображений.
- Используйте модель искусственного интеллекта для генерации текста.
- Просмотр развернутых ресурсов на Консоль управления AWS.
Мы предоставляем обзор кода в этом проекте в приложении в конце этого поста.
Предпосылки
У вас должны быть следующие предпосылки:
Вы можете развернуть инфраструктуру в этом руководстве со своего локального компьютера или использовать Облако AWS9 в качестве рабочей станции развертывания. AWS Cloud9 поставляется с предварительно загруженными AWS CLI, AWS CDK и Docker. Если вы выберете AWS Cloud9, создать среду из Консоль AWS.
Ориентировочная стоимость завершения этого поста составляет 50 долларов США, если вы оставите ресурсы включенными на 8 часов. Убедитесь, что вы удалили ресурсы, созданные в этом посте, чтобы избежать текущих расходов.
Установите AWS CLI и AWS CDK на свой локальный компьютер.
Если на вашем локальном компьютере еще нет интерфейса командной строки AWS, см. Установка или обновление последней версии интерфейса командной строки AWS и Настройка AWS CLI.
Глобально установите AWS CDK Toolkit с помощью следующей команды менеджера пакетов узла:
Выполните следующую команду, чтобы проверить правильность установки и распечатать номер версии AWS CDK:
Убедитесь, что на вашем локальном компьютере установлен Docker. Введите следующую команду, чтобы проверить версию:
Клонируйте и настройте приложение AWS CDK
На локальном компьютере клонируйте приложение AWS CDK с помощью следующей команды:
Перейдите в папку проекта:
Прежде чем мы развернем приложение, давайте рассмотрим структуру каталогов:
Ассоциация stack
Папка содержит код для каждого стека в приложении AWS CDK. code
Папка содержит код функций Lambda. Репозиторий также содержит веб-приложение, расположенное в папке web-app
.
Ассоциация cdk.json
файл сообщает AWS CDK Toolkit, как запускать ваше приложение.
Это приложение было протестировано в us-east-1
Регион, но он должен работать в любом регионе, в котором есть необходимые службы и тип экземпляра логического вывода. ml.g4dn.4xlarge
указано в app.py
.
Настроить виртуальную среду
Этот проект настроен как стандартный проект Python. Создайте виртуальную среду Python, используя следующий код:
Используйте следующую команду, чтобы активировать виртуальную среду:
Если вы работаете на платформе Windows, активируйте виртуальную среду следующим образом:
После активации виртуальной среды обновите pip до последней версии:
Установите необходимые зависимости:
Прежде чем развертывать любое приложение AWS CDK, необходимо выполнить начальную загрузку пространства в своей учетной записи и регионе, в котором выполняется развертывание. Чтобы выполнить загрузку в регионе по умолчанию, введите следующую команду:
Если вы хотите выполнить развертывание в определенной учетной записи и регионе, введите следующую команду:
Для получения дополнительной информации об этой настройке посетите Начало работы с AWS CDK.
Структура стека приложений AWS CDK
Приложение AWS CDK содержит несколько стеков, как показано на следующей диаграмме.
Вы можете просмотреть список стеков в своем приложении AWS CDK с помощью следующей команды:
Ниже приведены другие полезные команды AWS CDK:
- кдк лс - Список всех стеков в приложении
- cdk синтезатор – Излучает синтезированный AWS CloudFormation шаблон
- cdk развернуть – Развертывает этот стек в вашей учетной записи AWS по умолчанию и в регионе.
- cdk разница – Сравнивает развернутый стек с текущим состоянием
- CDK документы – Открывает документацию AWS CDK.
В следующем разделе показано, как развернуть приложение AWS CDK.
Разверните приложение AWS CDK
Приложение AWS CDK будет развернуто в регионе по умолчанию в зависимости от конфигурации вашей рабочей станции. Если вы хотите принудительно выполнить развертывание в определенном регионе, установите AWS_DEFAULT_REGION
переменная окружения соответственно.
На этом этапе вы можете развернуть приложение AWS CDK. Сначала вы запускаете сетевой стек VPC:
Если появится запрос, введите y
чтобы продолжить развертывание. Вы должны увидеть список ресурсов AWS, которые выделяются в стеке. Этот шаг занимает около 3 минут.
Затем вы запускаете стек веб-приложений:
После анализа стека AWS CDK отобразит список ресурсов в стеке. Введите y, чтобы продолжить развертывание. Этот шаг занимает около 5 минут.
Записать вниз WebApplicationServiceURL
из вывода, чтобы использовать позже. Вы также можете получить его в консоли AWS CloudFormation в разделе GenerativeAiDemoWebStack
выходы стека.
Теперь запустите стек конечной точки модели искусственного интеллекта для генерации изображений:
Этот шаг занимает около 8 минут. Конечная точка модели генерации образов развернута, теперь мы можем ее использовать.
Используйте модель искусственного интеллекта для создания изображений
В первом примере показано, как использовать стабильную диффузию — мощную технику генеративного моделирования, позволяющую создавать высококачественные изображения из текстовых подсказок.
- Доступ к веб-приложению с помощью
WebApplicationServiceURL
от выходаGenerativeAiDemoWebStack
В Вашем браузере. - На панели навигации выберите Генерация изображения.
- Ассоциация Имя конечной точки SageMaker и URL GW API поля будут предварительно заполнены, но вы можете изменить подсказку для описания изображения, если хотите.
- Выберите Создать изображение.
- Приложение выполнит вызов конечной точки SageMaker. Это занимает несколько секунд. Отобразится изображение с характеристиками в описании вашего изображения.
Используйте модель искусственного интеллекта для генерации текста
Второй пример сосредоточен на использовании модели FLAN-T5-XL, которая является базовой или большой языковой моделью (LLM), для достижения контекстного обучения для генерации текста, а также для решения широкого спектра понимания естественного языка (NLU) и естественного языка. задачи генерации языка (NLG).
Некоторые среды могут ограничивать количество конечных точек, которые вы можете запускать одновременно. В этом случае вы можете запускать одну конечную точку SageMaker за раз. Чтобы остановить конечную точку SageMaker в приложении AWS CDK, необходимо уничтожить развернутый стек конечных точек и перед запуском другого стека конечных точек. Чтобы отключить конечную точку модели искусственного интеллекта для создания изображений, введите следующую команду:
Затем запустите стек конечной точки модели искусственного интеллекта для генерации текста:
Введите д в подсказках.
После запуска стека конечной точки модели генерации текста выполните следующие шаги:
- Вернитесь в веб-приложение и выберите Генерация текста в навигационной панели.
- Ассоциация Входной контекст поле предварительно заполнено разговором между клиентом и агентом по поводу проблемы с телефоном клиента, но вы можете ввести свой собственный контекст, если хотите.
- Под контекстом вы найдете несколько предварительно заполненных запросов в раскрывающемся меню. Выберите запрос и выберите Создать ответ.
- Вы также можете ввести свой запрос в Входной запрос поле, а затем выберите Создать ответ.
Просмотр развернутых ресурсов на консоли
В консоли AWS CloudFormation выберите Стеки в области навигации для просмотра развернутых стеков.
В консоли Amazon ECS вы можете увидеть кластеры на Кластеры стр.
В консоли AWS Lambda вы можете увидеть функции на функции стр.
В консоли шлюза API вы можете увидеть конечные точки шлюза API на API стр.
В консоли SageMaker вы можете увидеть конечные точки развернутой модели на Endpoints стр.
При запуске стеков генерируются некоторые параметры. Они хранятся в Хранилище параметров AWS Systems Manager. Чтобы просмотреть их, выберите Магазин параметров в панели навигации на Менеджер систем AWS приставка.
Убирать
Чтобы избежать ненужных затрат, очистите всю созданную инфраструктуру с помощью следующей команды на вашей рабочей станции:
Enter y
в подсказке. Этот шаг занимает около 10 минут. Проверьте, все ли ресурсы удалены на консоли. Также удалите корзины ресурсов S3, созданные AWS CDK, на консоли Amazon S3, а также репозитории ресурсов в Amazon ECR.
Заключение
Как показано в этом посте, вы можете использовать AWS CDK для развертывания генеративных моделей ИИ в JumpStart. Мы показали пример генерации изображения и пример генерации текста с использованием пользовательского интерфейса на базе Streamlit, Lambda и API Gateway.
Теперь вы можете создавать свои генеративные проекты ИИ, используя предварительно обученные модели ИИ в JumpStart. Вы также можете расширить этот проект, чтобы настроить базовые модели для своего варианта использования и контролировать доступ к конечным точкам шлюза API.
Приглашаем вас протестировать решение и внести свой вклад в проект на GitHub. Поделитесь своим мнением об этом уроке в комментариях!
Сводка лицензии
Этот образец кода доступен по измененной лицензии MIT. См. ЛИЦЕНЗИИ файл для получения дополнительной информации. Также просмотрите соответствующие лицензии для стабильная диффузия и флан-t5-xl модели на Hugging Face.
Об авторах
Ханцли Таукур является руководителем архитектуры партнерских решений APJ в Сингапуре. Он имеет 20-летний опыт работы в отрасли ИКТ, охватывающий несколько функциональных областей, включая архитектуру решений, развитие бизнеса, стратегию продаж, консалтинг и лидерство. Он возглавляет команду старших архитекторов решений, которые помогают партнерам разрабатывать совместные решения, наращивать технические возможности и направлять их на этапе внедрения по мере того, как клиенты переносят и модернизируют свои приложения на AWS.
Квонюль Чой является техническим директором в BABITALK, стартапе корейской платформы по уходу за красотой, базирующейся в Сеуле. До этой должности Коунюль работал инженером по разработке программного обеспечения в AWS, уделяя особое внимание AWS CDK и Amazon SageMaker.
Арунпрасат Шанкар является старшим специалистом по архитектуре решений AI/ML в AWS, помогая клиентам со всего мира эффективно масштабировать свои решения AI в облаке. В свободное время Арун любит смотреть научно-фантастические фильмы и слушать классическую музыку.
Сатиш Упрети является лидером по миграции PSA и SME в области безопасности в партнерской организации в APJ. Сатиш имеет 20-летний опыт работы с локальными частными и публичными облачными технологиями. С момента прихода в AWS в августе 2020 года в качестве специалиста по миграции он предоставляет обширные технические консультации и поддержку партнерам AWS в планировании и реализации сложных миграций.
Приложение: пошаговое руководство по коду
В этом разделе мы предоставляем обзор кода в этом проекте.
Приложение AWS CDK
Основное приложение AWS CDK содержится в app.py
файл в корневом каталоге. Проект состоит из нескольких стеков, поэтому нам нужно импортировать стеки:
Мы определяем наши генеративные модели ИИ и получаем соответствующие URI от SageMaker:
Функция get_sagemaker_uris извлекает всю информацию о модели из JumpStart. Видеть script/sagemaker_uri.py
.
Затем мы создаем экземпляры стеков:
Первым запускаемым стеком является стек VPC, GenerativeAiVpcNetworkStack. Стек веб-приложений, GenerativeAiDemoWebStack, зависит от стека VPC. Зависимость делается через передачу параметра vpc=network_stack.vpc.
Читать app.py
для полного кода.
Сетевой стек VPC
В стеке GenerativeAiVpcNetworkStack мы создаем VPC с общедоступной подсетью и частной подсетью, охватывающей две зоны доступности:
Читать /stack/generative_ai_vpc_network_stack.py
для полного кода.
Стек демонстрационных веб-приложений
В стеке GenerativeAiDemoWebStack мы запускаем функции Lambda и соответствующие конечные точки API Gateway, через которые веб-приложение взаимодействует с конечными точками модели SageMaker. См. следующий фрагмент кода:
Веб-приложение контейнеризировано и размещено на Amazon ECS с помощью Fargate. См. следующий фрагмент кода:
Читать /stack/generative_ai_demo_web_stack.py
для полного кода.
Стек конечной точки модели SageMaker для создания образов
Стек GenerativeAiTxt2imgSagemakerStack создает конечную точку модели создания образа из JumpStart и сохраняет имя конечной точки в хранилище параметров Systems Manager. Этот параметр будет использоваться веб-приложением. См. следующий код:
Читать /stack/generative_ai_txt2img_sagemaker_stack.py
для полного кода.
Стек конечной точки модели NLU и генерации текста SageMaker
Стек GenerativeAiTxt2nluSagemakerStack создает конечную точку модели NLU и генерации текста из JumpStart и сохраняет имя конечной точки в хранилище параметров Systems Manager. Этот параметр также будет использоваться веб-приложением. См. следующий код:
Читать /stack/generative_ai_txt2nlu_sagemaker_stack.py
для полного кода.
веб приложение
Веб-приложение находится в /web-app
каталог. Это приложение Streamlit, контейнеризованное в соответствии с Dockerfile
:
Чтобы узнать больше о Streamlit, см. Документация Streamlit.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
- Чеканка будущего с Эдриенн Эшли. Доступ здесь.
- Покупайте и продавайте акции компаний PREIPO® с помощью PREIPO®. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- :имеет
- :является
- $UP
- 1
- 10
- 100
- 20
- 20 лет
- 2020
- 2023
- 7
- 8
- 9
- a
- О нас
- доступ
- Доступ
- доступной
- соответственно
- Учетная запись
- Достигать
- через
- приспосабливать
- адресация
- Принятие
- Принятие
- продвижение
- совет
- Агент
- AI
- Поддержка
- AI / ML
- алгоритмы
- Все
- Позволяющий
- уже
- причислены
- Amazon
- Шлюз API Amazon
- Создатель мудреца Амазонки
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- анализ
- и
- любой
- API
- приложение
- Применение
- Приложения
- Программы
- апрель
- архитектура
- МЫ
- области
- около
- AS
- Активы
- At
- внимание
- Август
- свободных мест
- доступен
- избежать
- AWS
- Облако AWS9
- AWS CloudFormation
- AWS Lambda
- назад
- стабилизатор
- основанный
- НИМ
- BE
- красивая
- Бьюти
- до
- не являетесь
- верить
- между
- Начальная загрузка
- широкий
- браузер
- строить
- построенный
- бизнес
- развитие бизнеса
- бизнес
- но
- by
- призывают
- CAN
- возможности
- Пропускная способность
- захваченный
- заботится
- случаев
- случаев
- CD
- Центры
- изменение
- характеристика
- расходы
- проверка
- Выберите
- клиент
- клиентов
- облако
- Cloud9
- код
- выходит
- Общий
- обычно
- полный
- комплекс
- Вычисление
- компьютер
- Конфигурация
- Консоли
- строить
- консалтинг
- потребленный
- содержащегося
- Container
- содержит
- содержание
- контекст
- способствовать
- контроль
- Разговор
- Беседы
- исправить
- Цена
- Создайте
- создали
- создает
- создание
- CTO
- Текущий
- изготовленный на заказ
- клиент
- опыт работы с клиентами
- Служба поддержки игроков
- Клиенты
- настроить
- передовой
- данным
- наука о данных
- день
- десятилетия
- По умолчанию
- Определяет
- убивают
- демонстрирует
- Зависимость
- зависимый
- развертывание
- развернуть
- развертывание
- развертывание
- развертывает
- описание
- уничтожить
- развивать
- застройщиков
- Развитие
- различный
- Вещание
- Дисплей
- срывать
- Docker
- документ
- сделанный
- Dont
- вниз
- каждый
- легко
- легко
- фактически
- эффективно
- включить
- позволяет
- конец
- Конечная точка
- инженер
- Enter
- Окружающая среда
- средах
- По оценкам,
- Эфир (ETH)
- Каждая
- каждый день
- все это
- пример
- Примеры
- захватывающий
- существовавший
- опыт
- продлить
- обширный
- Face
- ложный
- знакомый
- семья
- Особенности
- несколько
- поле
- Поля
- Файл
- Найдите
- First
- Фокус
- после
- следующим образом
- Что касается
- Форс-мажор
- Год основания
- доля
- Рамки
- от
- полный
- функция
- функциональная
- Функции
- шлюз
- собирать
- сбор
- общее назначение
- генерируется
- поколение
- генеративный
- Генеративный ИИ
- получить
- идти
- Глобальный
- ГЛОБАЛЬНО
- Рост
- Есть
- имеющий
- he
- помощь
- помощь
- высококачественный
- его
- Главная
- кашель
- состоялся
- ЧАСЫ
- Как
- How To
- HTML
- HTTP
- HTTPS
- ИКТ
- идеи
- if
- изображение
- генерация изображения
- изображений
- воображение
- осуществлять
- реализация
- Импортировать
- in
- В том числе
- включать
- промышленности
- промышленность
- Точка перегиба
- информация
- Инфраструктура
- устанавливать
- установка
- установлен
- пример
- вместо
- интегрировать
- интеграций
- взаимодействует
- Интерфейс
- в
- приглашать
- вопрос
- IT
- присоединение
- совместная
- JPG
- JSON
- Корейский
- посадка
- целевую страницу
- язык
- Языки
- большой
- новее
- последний
- запуск
- запустили
- запуск
- вести
- лидер
- Наша команда
- Лиды
- УЧИТЬСЯ
- изучение
- Оставлять
- Библиотека
- Лицензия
- лицензии
- такое как
- ОГРАНИЧЕНИЯ
- линия
- Список
- Listening
- Списки
- загрузка
- локальным
- расположенный
- машина
- обучение с помощью машины
- Продукция
- сделанный
- Главная
- сделать
- ДЕЛАЕТ
- управлять
- управление
- менеджер
- многих
- массивный
- Меню
- может быть
- мигрировать
- миграция
- минут
- MIT
- ML
- Техники машинного обучения
- модель
- моделирование
- Модели
- модернизировать
- модифицировало
- БОЛЕЕ
- Кино
- с разными
- Музыка
- должен
- имя
- натуральный
- Естественный язык
- Генерация естественного языка
- Изучение естественного языка
- природа
- Навигация
- Необходимость
- потребности
- сеть
- Новые
- следующий
- гульденов
- НЛУ
- узел
- ноутбуки
- сейчас
- номер
- of
- Предложения
- on
- ONE
- постоянный
- только
- с открытым исходным кодом
- Программное обеспечение с открытым исходным кодом
- Откроется
- or
- заказ
- организация
- оригинал
- Другое
- наши
- выходной
- за
- обзор
- собственный
- пакет
- страница
- хлеб
- парадигма
- параметр
- параметры
- партнер
- партнеры
- Прохождение
- выполнять
- фаза
- Телефон
- картина
- план
- Платформа
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- Точка
- возможность
- После
- потенциал
- Питание
- мощный
- предпосылки
- Печать / PDF
- Предварительный
- частная
- Проблема
- Производство
- Программирование
- языки программирования
- Проект
- проектов
- обеспечивать
- приводит
- что такое варган?
- Открытое облако
- публично
- Питон
- Запросы
- быстро
- ассортимент
- быстро
- быстро
- готовый
- недавно
- назвало
- по
- область
- Связанный
- хранилище
- обязательный
- Требования
- ресурс
- Полезные ресурсы
- те
- обзоре
- Революционные
- правую
- Роли
- корень
- Run
- Бег
- sagemaker
- главная
- то же
- Шкала
- научно-фантастический
- Наука
- поцарапать
- SDK
- Во-вторых
- секунды
- Раздел
- безопасность
- посмотреть
- семена
- SELF
- старший
- настроение
- Сеул
- Serverless
- Серверы
- обслуживание
- Услуги
- набор
- установка
- Поделиться
- сдвиг
- должен
- показывать
- показал
- показанный
- Шоу
- просто
- с
- Сингапур
- Размер
- небольшой
- EMS
- So
- Software
- разработка программного обеспечения
- Решение
- Решения
- некоторые
- Источник
- Space
- специалист
- конкретный
- указанный
- стабильный
- стек
- Стеки
- стандарт
- и политические лидеры
- ввод в эксплуатацию
- Стартапы
- Шаг
- Шаги
- Stop
- диск
- магазин
- хранить
- магазины
- Истории
- Стратегия
- Структура
- подсети
- поддержка
- Убедитесь
- системы
- принимает
- Сложность задачи
- задачи
- команда
- Технический
- снижения вреда
- технологии
- Технологии
- говорит
- шаблоны
- тестXNUMX
- тестов
- генерация текста
- который
- Ассоциация
- их
- Их
- тогда
- Эти
- этой
- Через
- время
- исполин
- в
- Инструментарий
- инструменты
- традиция
- традиционный
- Train
- специалистов
- Обучение
- Transform
- Тенденции
- правда
- по-настоящему
- ОЧЕРЕДЬ
- учебник
- два
- напишите
- Типы
- типичный
- типично
- под
- понимание
- представила
- обновление
- модернизация
- использование
- прецедент
- используемый
- Информация о пользователе
- Пользовательский интерфейс
- через
- использовать
- различный
- Огромная
- проверить
- версия
- с помощью
- Видео
- Вид
- Виртуальный
- фактически
- Войти
- хотеть
- законопроект
- наблюдение
- Путь..
- we
- Web
- веб приложение
- веб-сервисы
- ЧТО Ж
- который
- в то время как
- широкий
- Широкий диапазон
- широко распространена
- Википедия.
- будете
- окна
- без
- Работа
- работавший
- Рабочие процессы
- рабочая станция
- лет
- являетесь
- ВАШЕ
- зефирнет
- зоны