Üretken yapay zeka, GPT4, ChatGPT, DALL-E2, Bard ve diğer birçok yapay zeka teknolojisi gibi ürünlerle ilgili konuşmalarla şu anda kamuoyunun büyük ilgisini çekiyor. Birçok müşteri, AWS'nin üretken yapay zeka çözümleri hakkında daha fazla bilgi istiyor. Bu yazının amacı, bu ihtiyaçları karşılamaktır.
Bu gönderi, gerçek bir müşteri kullanım durumuyla üretken yapay zekaya genel bir bakış sunar, kısa bir açıklama sağlar ve faydalarını ana hatlarıyla belirtir, takip etmesi kolay bir demoya atıfta bulunur. AWS DeepComposer yeni müzik besteleri oluşturmak için kullanılır ve kullanmaya nasıl başlanacağı özetlenir Amazon SageMaker Hızlı Başlangıç GPT2, Stable Diffusion 2.0 ve diğer üretken AI modellerini dağıtmak için.
Üretken yapay zekaya genel bakış
Üretken AI, yeni malzeme üretmeye odaklanan belirli bir yapay zeka alanıdır. Mevcut işletmeleri dönüştürme ve tamamen yeni iş fikirlerinin piyasaya çıkmasına izin verme potansiyeline sahip, yapay zeka dünyasının en heyecan verici alanlarından biridir. Üretken teknikleri aşağıdakiler için kullanabilirsiniz:
- Stable Diffusion 2.0 gibi bir model kullanarak yeni sanat eserleri yaratmak
- GPT2, Bloom veya Flan-T5-XL gibi bir model kullanarak çok satan bir kitap yazmak
- AWS DeepComposer'da Transformers tekniğini kullanarak bir sonraki senfoninizi besteleme
AWS DeepComposer, müzik besteleme dili aracılığıyla makine öğrenimi (ML) ile ilgili temel kavramları anlamanıza yardımcı olan bir eğitim aracıdır. Daha fazla bilgi edinmek için bkz. Üretken Yapay Zeka kullanarak bir caz rock parçası oluşturun.
Stable Difusion, GPT2, Bloom ve Flan-T5-XL'in tümü ML modelleridir. Bunlar, verilerdeki kalıpları tanımlamak için eğitilmesi gereken basit matematiksel algoritmalardır. Kalıplar öğrenildikten sonra, çıkarım olarak bilinen bir süreç için hazır olarak uç noktalara dağıtılırlar. Modelin görmediği yeni veriler çıkarım modeline beslenir ve yeni yaratıcı malzeme üretilir.
Örneğin Stable Diffusion gibi görüntü oluşturma modelleriyle birkaç kelime kullanarak çarpıcı çizimler oluşturabiliyoruz. GPT2, Bloom ve Flan-T5-XL gibi metin oluşturma modelleriyle, basit bir insan cümlesinden yeni edebi makaleler ve potansiyel olarak kitaplar üretebiliriz.
Autodesk kullanan bir AWS müşterisidir. Amazon Adaçayı Yapıcı ürün tasarımcılarının çeşitli kullanım durumları için görsel tasarımların binlerce yinelemesini sıralamasına ve en uygun tasarımı seçmeye yardımcı olması için makine öğrenimini kullanmasına yardımcı olmak için. Özellikle, binicileri dağ bisikleti gibi spor etkinliklerine katılırken kazalardan koruyan bir omurilik koruyucusu geliştirmeye yardımcı olmak için Edera Safety ile birlikte çalıştılar. Daha fazla bilgi için videoyu izleyin AWS Machine Learning, Tasarım Optimizasyonunu Sağlıyor.
AWS müşterilerinin üretken yapay zeka ve moda ile neler yaptığı hakkında daha fazla bilgi edinmek için bkz. Amazon SageMaker kullanarak üretken yapay zeka ile sanal moda tasarımı.
Üretken yapay zekanın ne anlama geldiğini anladığımıza göre, yapay zeka ile yeni metin veya görüntülerin nasıl oluşturulacağını öğrenmek için bir JumpStart gösterimine geçelim.
Önkoşullar
Amazon SageMaker Stüdyosu SageMaker içinde, ihtiyacımız olan tüm makine öğrenimi özelliklerini tek bir ekranda sağlayan entegre geliştirme ortamıdır (IDE). JumpStart'ı çalıştırmadan önce Studio'yu kurmamız gerekiyor. Halihazırda kendi Studio sürümünüz çalışıyorsa bu adımı atlayabilirsiniz.
Herhangi bir AWS hizmetini kullanmadan önce yapmamız gereken ilk şey, kaydolduğumuzdan ve bir AWS hesabı oluşturduğumuzdan emin olmaktır. Sonraki, bir yönetici kullanıcı ve bir grup oluşturmaktır. Her iki adımla ilgili talimatlar için, bkz. Amazon SageMaker Ön Koşullarını Kurun.
Bir sonraki adım, bir SageMaker etki alanı oluşturmaktır. Bir etki alanı, tüm depolamayı kurar ve SageMaker'a erişmek için kullanıcılar eklemenize izin verir. Daha fazla bilgi için bkz. Amazon SageMaker Etki Alanında Yerleşik. Bu demo, AWS Bölgesinde oluşturulmuştur us-east-1
.
Son olarak, Studio'yu başlatırsınız. Bu gönderi için bir kullanıcı profili uygulaması başlatmanızı öneririz. Talimatlar için bkz. Amazon SageMaker Studio'yu Başlatın.
Bir JumpStart çözümü seçin
Şimdi heyecan verici kısma geliyoruz. Şimdi Studio'da oturum açmış olmanız ve aşağıdaki ekran görüntüsüne benzer bir sayfa görmeniz gerekir.
Gezinti bölmesinde, altında Adaçayı Yapıcı Hızlı Başlangıç, seçmek Modeller, defterler, çözümler.
Belirli bir modele veya belirli bir iş sorununa ya da kullanım senaryosuna başlamanıza yardımcı olabilecek çeşitli çözümler, temel modeller ve diğer yapılar size sunulur.
Belirli bir alanda deney yapmak istiyorsanız, arama işlevini kullanabilirsiniz. Veya ihtiyaçlarınıza uygun modeli veya iş çözümünü bulmak için yapıtlara göz atabilirsiniz.
Örneğin, dolandırıcılık tespit çözümleriyle ilgileniyorsanız, arama çubuğuna dolandırıcılık tespiti yazın.
Metin oluşturma çözümleriyle ilgileniyorsanız, arama çubuğuna metin oluşturma yazın. Bir dizi metin oluşturma modelini keşfetmek istiyorsanız başlamak için iyi bir yer, JS'ye Giriş – Metin Oluşturma not defterini seçmektir.
GPT-2 modelinin özel bir gösterimine geçelim.
JumpStart GPT-2 model demosu
GPT 2, belirli bir istem temelinde insan benzeri metin oluşturmaya yardımcı olan bir dil modelidir. Yeni cümleler oluşturmak ve yazmayı otomatikleştirmemize yardımcı olmak için bu tür dönüştürücü modelini kullanabiliriz. Bu, bloglar, sosyal medya gönderileri ve kitaplar gibi içerik oluşturmak için kullanılabilir.
GPT 2 modeli, GPT 3'ün öncülü olan Generative Pre-Trained Transformer ailesinin bir parçasıdır. Bu yazı yazıldığı sırada, OpenAI ChatGPT uygulamasının temeli olarak GPT 3 kullanılmıştır.
JumpStart'ta GPT-2 model demosunu keşfetmeye başlamak için aşağıdaki adımları tamamlayın:
- JumpStart'ta şunu arayın ve seçin: GPT2.
- içinde Sürüş Model bölüm, genişlet Dağıtım Yapılandırması.
- İçin SageMaker barındırma örneği, örneğinizi seçin (bu gönderi için ml.c5.2xlarge kullanıyoruz).
Farklı makine tiplerinin ekli farklı fiyat noktaları vardır. Yazma sırasında, seçtiğimiz ml.c5.2xlarge saat başına 0.50 ABD dolarının altında gerçekleşir. En güncel fiyatlar için bkz. Amazon SageMaker Fiyatlandırması.
- İçin Bitiş noktası adı, demo-hf-textgeneration-gpt2'yi girin.
- Klinik Sürüş.
ML uç noktasının dağıtılmasını bekleyin (en fazla 15 dakika).
- Uç nokta dağıtıldığında, seçin Not Defterini Aç.
Aşağıdaki ekran görüntüsüne benzer bir sayfa göreceksiniz.
Gösterimizi sergilemek için kullandığımız belge, gerekli tüm Python kodunu kapsayan bir Jupyter not defteridir. Bu ekran görüntüsündeki kodun, sahip olduğunuz koddan biraz farklı olabileceğini unutmayın, çünkü AWS bu not defterlerini sürekli olarak güncelliyor ve bunların güvenli olduğundan, hatasız olduğundan ve en iyi müşteri deneyimini sağladığından emin oluyor.
- İlk hücreye tıklayın ve seçin Ctrl + Enter kod bloğunu çalıştırmak için.
Kod bloğunun solunda bir yıldız işareti (*) görünür ve ardından bir sayıya dönüşür. Yıldız işareti, kodun çalışmakta olduğunu ve sayı göründüğünde tamamlandığını gösterir.
- Bir sonraki kod bloğunda, bazı örnek metinler girin ve ardından Ctrl + Enter.
- Klinik Ctrl + Enter çalıştırmak için üçüncü kod bloğunda.
Yaklaşık 30-60 saniye sonra çıkarım sonuçlarınızı göreceksiniz.
“ giriş metni içinOnce upon a time there were 18 sandwiches,
” aşağıdaki oluşturulmuş metni alırız:
“ giriş metni içinAnd for the final time Peter said to Mary,
” aşağıdaki oluşturulmuş metni alırız:
Bu üçüncü kod bloğunu birden çok kez çalıştırmayı deneyebilir ve modelin her seferinde farklı tahminler yaptığını fark edeceksiniz.
Çıktıyı gelişmiş özelliklerden bazılarını kullanarak uyarlamak için aşağı kaydırarak dördüncü kod bloğunu deneyin.
Metin oluşturma modelleri hakkında daha fazla bilgi edinmek için bkz. Amazon SageMaker JumpStart'ta Bloom ve GPT modelleriyle metin oluşturmayı çalıştırın.
Kaynakları temizleme
Devam etmeden önce, işiniz bittiğinde uç noktanızı silmeyi unutmayın. Önceki sekmede, altında Uç Noktayı Sil, seçmek Sil.
Bu not defterini yanlışlıkla kapattıysanız, uç noktanızı SageMaker konsolu aracılığıyla da silebilirsiniz. Altında sonuç gezinme bölmesinde öğesini seçin. Uç noktalar.
Kullandığınız uç noktayı seçin ve İşlemler menü seç Sil.
Artık ilk JumpStart çözümümüzü nasıl kullanacağımızı anladığımıza göre, bir Kararlı Difüzyon modeli kullanmaya bakalım.
JumpStart Kararlı Difüzyon modeli demosu
Basit bir metin satırından görüntüler oluşturmak için Kararlı Difüzyon 2 modelini kullanabiliriz. Bu, sosyal medya gönderileri, tanıtım materyalleri, albüm kapakları veya yaratıcı çizim gerektiren herhangi bir şey için içerik oluşturmak için kullanılabilir.
- JumpStart'a dönün, ardından arayın ve seçin Kararlı Difüzyon 2.
- içinde Sürüş Model bölüm, genişlet Dağıtım Yapılandırması.
- İçin SageMaker barındırma örneği, örneğinizi seçin (bu gönderi için ml.g5.2xlarge kullanıyoruz).
- İçin Bitiş noktası adı, girmek
demo-stabilityai-stable-diffusion-v2
. - Klinik Sürüş.
Bu daha büyük bir model olduğu için dağıtılması 25 dakika kadar sürebilir. Hazır olduğunda uç nokta durumu şu şekilde görünür: Serviste.
- Klinik Not Defterini Aç Python koduyla bir Jupyter not defteri açmak için.
- Birinci ve ikinci kod bloklarını çalıştırın.
- Üçüncü kod bloğunda, metin istemini değiştirin, ardından hücreyi çalıştırın.
Resminizin görünmesi için yaklaşık 30–60 saniye bekleyin. Aşağıdaki resim, örnek metnimize dayanmaktadır.
Yine bir sonraki kod bloğunda gelişmiş özelliklerle oynayabilirsiniz. Yarattığı resim her seferinde farklıdır.
Kaynakları temizleme
Yine, uç noktanızı silmeyi unutmayın. Bu sefer ml.g5.2xlarge kullanıyoruz, bu nedenle öncekinden biraz daha yüksek ücretler alıyor. Yazma sırasında, saatte 1 doların biraz üzerindeydi.
Son olarak AWS DeepComposer'a geçelim.
AWS DeepComposer
AWS DeepComposer, üretken yapay zeka hakkında bilgi edinmenin harika bir yoludur. Yeni müzik formları oluşturmak için modellerinizde yerleşik melodileri kullanmanıza izin verir. Kullandığınız model, giriş melodisinin nasıl dönüştürüleceğini belirler.
Eğer katılmaya alışkınsanız AWS Derin Yarışçı çalışanlarınızın yeniden uygulama öğrenimi hakkında bilgi edinmesine yardımcı olmak için günler, üretken yapay zeka hakkında bilgi edinmek için AWS DeepComposer ile günü artırmayı ve iyileştirmeyi düşünün.
Bu gönderideki üç modelin ayrıntılı açıklaması ve takip etmesi kolay gösterimi için bkz. Üretken Yapay Zeka kullanarak bir caz rock parçası oluşturun.
Aşağıdakilere göz atın havalı örnekler AWS DeepComposer kullanılarak SoundCloud'a yüklendi.
Deneylerinizi görmeyi çok isteriz, bu nedenle sosyal medya (@digitalcolmer) aracılığıyla bize ulaşmaktan ve öğrendiklerinizi ve deneylerinizi paylaşmaktan çekinmeyin.
Sonuç
Bu gönderide, bir AWS müşteri hikayesiyle örneklenen üretken yapay zekanın tanımından bahsettik. Ardından, Studio ve JumpStart'ı nasıl kullanmaya başlayacağınızı adım adım anlattık ve GPT 2 ve Kararlı Difüzyon modellerini kullanmaya nasıl başlayacağınızı gösterdik. AWS DeepComposer'a kısa bir genel bakışla tamamladık.
JumpStart'ı daha fazla keşfetmek için mevcut bir modele ince ayar yapmak üzere kendi verilerinizi kullanmayı deneyin. Daha fazla bilgi için bkz. Amazon SageMaker JumpStart ile kademeli eğitim. Kararlı Difüzyon modellerinde ince ayar yapma hakkında bilgi için bkz. Amazon SageMaker JumpStart ile metinden görüntüye Stable Difüzyon modellerinde ince ayar yapın.
Kararlı Difüzyon modelleri hakkında daha fazla bilgi edinmek için bkz. Amazon SageMaker JumpStart'taki kararlı dağıtım modeliyle metinden görüntüler oluşturun.
Flan-T5-XL modeli hakkında herhangi bir bilgi vermedik, bu nedenle daha fazla bilgi edinmek için aşağıdakilere bakın GitHub repo. Amazon SageMaker Örnekleri repo ayrıca JumpStart da dahil olmak üzere çeşitli SageMaker ürünleri için GitHub'da bir dizi farklı kullanım durumunu kapsayan bir dizi not defteri içerir.
Bir dizi ücretsiz dijital varlık aracılığıyla AWS ML hakkında daha fazla bilgi edinmek için şu sayfamıza göz atın: AWS Makine Öğrenimi Hızlandırma Kılavuzu. Ayrıca ücretsiz deneyebilirsiniz ML Öğrenme Planı Mevcut bilginizi geliştirmek veya net bir başlangıç noktasına sahip olmak için. Eğitmen liderliğindeki bir kursa katılmak için aşağıdaki kursları önemle tavsiye ederiz:
AI/ML alanında gerçekten heyecan verici bir zaman. AWS, makine öğrenimi yolculuğunuzu desteklemek için burada, bu nedenle lütfen bizimle sosyal medyada bağlantı kurun. Önümüzdeki aylarda çeşitli makine öğrenimi hizmetleriyle ilgili tüm öğreniminizi, deneylerinizi ve eğlencenizi görmeyi dört gözle bekliyoruz ve makine öğrenimi yolculuğunuzda eğitmeniniz olma fırsatının tadını çıkarıyoruz.
Yazar Hakkında
Paul Colmer Amazon Web Services'ta makine öğrenimi ve üretken yapay zeka konusunda uzmanlaşmış Kıdemli Teknik Eğitmendir. Tutkusu, müşterilerin, ortakların ve çalışanların ikna edici hikaye anlatımı, paylaşılan deneyimler ve bilgi aktarımı yoluyla gelişmelerine ve büyümelerine yardımcı olmaktır. BT sektöründe 25 yılı aşkın bir süredir, çevik kültürel uygulamalar ve makine öğrenimi çözümlerinde uzmandır. Paul, London College of Music üyesi ve British Computer Society üyesidir.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
- Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
- PREIPO® ile PRE-IPO Şirketlerinde Hisse Al ve Sat. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/get-started-with-generative-ai-on-aws-using-amazon-sagemaker-jumpstart/
- :dır-dir
- :olumsuzluk
- $UP
- 1
- 11
- %15
- 50
- 500
- 7
- 8
- 9
- 937
- a
- Hakkımızda
- erişim
- kazalar
- Hesap
- eklemek
- adres
- idari
- ileri
- Sonra
- çevik
- AI
- AI / ML
- amaç
- Albüm
- algoritmalar
- Türkiye
- izin vermek
- veriyor
- zaten
- Ayrıca
- Amazon
- Amazon Adaçayı Yapıcı
- Amazon SageMaker Hızlı Başlangıç
- Amazon Web Servisleri
- an
- ve
- herhangi
- bir şey
- uygulamayı yükleyeceğiz
- görünmek
- Uygulama
- ARE
- ALAN
- etrafında
- Sanat
- mal
- yapay
- yapay zeka
- sanat eseri
- AS
- Varlıklar
- ilişkili
- At
- ekli
- Dikkat
- autodesk
- otomatikleştirmek
- mevcut
- AWS
- AWS Müşterisi
- bar
- merkezli
- BE
- Çünkü
- Sığır eti
- olmuştur
- önce
- Başlangıç
- faydaları
- İYİ
- nimet
- Engellemek
- Blokları
- birisinde
- Çiçek açmak
- kitap
- Kitaplar
- her ikisi de
- ingiliz
- inşa etmek
- yerleşik
- iş
- İş Fikirleri
- işletmeler
- fakat
- by
- CAN
- dava
- durumlarda
- değişiklik
- yükler
- ChatGPT
- Kontrol
- Klinik
- açık
- kapalı
- kod
- Kolej
- nasıl
- gelecek
- zorlayıcı
- tamamlamak
- tamamen
- bilgisayar
- kavramlar
- Sosyal medya
- Düşünmek
- konsolos
- sürekli
- içerik
- içerik yaratımı
- kurs
- dersler
- kapak
- kaplama
- kapaklar
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- oluşturur
- Oluşturma
- oluşturma
- Yaratıcı
- kültürel
- akım
- müşteri
- müşteri deneyimi
- Müşteriler
- veri
- gün
- Günler
- Ölüm
- Gösteri
- dağıtmak
- konuşlandırılmış
- dağıtma
- tanım
- Dizayn
- tasarımcıları
- tasarımlar
- detaylı
- Bulma
- belirleyen
- geliştirmek
- gelişme
- farklı
- Yayılma
- dijital
- Dijital Varlıklar
- do
- belge
- yapıyor
- domain
- Dont
- aşağı
- her
- eğitsel
- çalışanların
- sağlar
- kapsar
- Son nokta
- artırılması
- Keşfet
- çevre
- Eter (ETH)
- olaylar
- Her
- örnek
- heyecan verici
- mevcut
- Genişletmek
- deneyim
- Deneyimler
- deneme
- deneyler
- açıklama
- keşfetmek
- Keşfetmek
- aile
- Moda
- Özellikler
- Fed
- hissetmek
- adam
- az
- alan
- Alanlar
- son
- bulmak
- Ad
- odaklanır
- takip etme
- Gıda
- İçin
- formlar
- ileri
- vakıf
- dört
- Dördüncü
- dolandırıcılık
- sahtekarlık tespiti
- Ücretsiz
- itibaren
- eğlence
- işlev
- kazanma
- oluşturmak
- oluşturulan
- üreten
- nesil
- üretken
- üretken yapay zeka
- almak
- GitHub
- verilmiş
- bardak
- Tercih Etmenizin
- harika
- grup
- Büyümek
- el
- Var
- he
- duydum
- yardım et
- yardım
- yardımcı olur
- okuyun
- daha yüksek
- büyük ölçüde
- onun
- hosting
- saat
- Ne kadar
- Nasıl Yapılır
- HTML
- HTTPS
- insan
- fikirler
- belirlemek
- if
- görüntü
- görüntü üretimi
- görüntüleri
- in
- içerir
- Dahil olmak üzere
- gösterir
- sanayi
- bilgi
- giriş
- örnek
- talimatlar
- entegre
- İstihbarat
- ilgili
- içine
- IT
- bilgi Teknolojileri endüstrisi
- yineleme
- ONUN
- seyahat
- jpg
- atlama
- Jupyter Not Defteri
- sadece
- anahtar
- bilgi
- bilgi aktarımı
- bilinen
- dil
- büyük
- başlatmak
- fırlatma
- ÖĞRENİN
- öğrendim
- öğrenme
- sol
- sevmek
- çizgi
- yaşayan
- giriş
- London
- Bakın
- Çok
- Aşk
- makine
- makine öğrenme
- yapılmış
- yapmak
- YAPAR
- Yapımı
- çok
- pazar
- malzeme
- matematiksel
- medya
- dakika
- ML
- model
- modelleri
- ay
- Daha
- çoğu
- Dağ
- hareket
- çoklu
- Music
- müzikal
- isim
- Navigasyon
- gerekli
- gerek
- ihtiyaçlar
- yeni
- sonraki
- notlar
- defter
- dizüstü bilgisayarlar
- Fark etme..
- şimdi
- numara
- of
- on
- ONE
- açık
- OpenAI
- Fırsat
- optimum
- or
- Diğer
- bizim
- dışarı
- ana hatlar
- çıktı
- tekrar
- genel bakış
- kendi
- Kanal
- bölmesi
- Bölüm
- katılan
- belirli
- ortaklar
- tutku
- desen
- Paul
- İnsanlar
- Peter
- resim
- yer
- Platon
- Plato Veri Zekası
- PlatoVeri
- OYNA
- Lütfen
- Nokta
- noktaları
- Çivi
- Mesajlar
- potansiyel
- potansiyel
- uygulamalar
- öncel
- Tahminler
- mevcut
- sundu
- basın
- önceki
- fiyat
- fiyatlandırma
- Sorun
- süreç
- Üretilmiş
- PLATFORM
- Ürünler
- Profil
- promosyon
- sağlamak
- sağlar
- halka açık
- Python
- menzil
- daha doğrusu
- ulaşmak
- hazır
- gerçek
- tavsiye etmek
- referanslar
- bölge
- uygun
- gerektirir
- restoran
- Sonuçlar
- binici
- kaya
- koşmak
- koşu
- Güvenlik
- sagemaker
- Adı geçen
- SAINT
- kaydırma
- Ara
- İkinci
- saniye
- Bölüm
- güvenli
- görmek
- görme
- görüldü
- seçilmiş
- kıdemli
- cümle
- hizmet
- Hizmetler
- set
- Setleri
- paylaş
- Paylaşılan
- meli
- vitrin
- Gösteriler
- imzalı
- benzer
- Basit
- sadece
- tek
- biraz daha farklı bir
- So
- Sosyal Medya
- sosyal medya
- Sosyal Medya Gönderileri
- Toplum
- çözüm
- Çözümler
- biraz
- Soundcloud
- uzay
- uzmanlaşmış
- uzmanlaşmış
- özel
- özellikle
- kararlı
- başlama
- başladı
- XNUMX dakika içinde!
- Durum
- adım
- Basamaklar
- hafızası
- Öykü
- hikaye
- stüdyo
- Çarpıcı
- böyle
- destek
- elbette
- Bizi daha iyi tanımak için
- Konuşmak
- Teknik
- teknikleri
- Teknolojileri
- metin oluşturma
- göre
- o
- The
- ve bazı Asya
- sonra
- Orada.
- Bunlar
- onlar
- şey
- işler
- Üçüncü
- Re-Tweet
- Bu
- Binlerce
- üç
- İçinden
- zaman
- zamanlar
- için
- araç
- iz
- eğitilmiş
- Eğitim
- transfer
- Dönüştürmek
- transforme
- transformatör
- transformatörler
- gerçekten
- döner
- tip
- türleri
- altında
- anlamak
- aktüel
- güncellenmesi
- Yüklenen
- üzerine
- us
- kullanım
- kullanım durumu
- Kullanılmış
- kullanıcı
- kullanıcılar
- kullanma
- çeşitli
- versiyon
- üzerinden
- Video
- Bekleyen
- istemek
- oldu
- Yol..
- we
- ağ
- web hizmetleri
- vardı
- Ne
- ne zaman
- hangi
- süre
- DSÖ
- irade
- ile
- içinde
- sözler
- işlenmiş
- çalışır
- Dünya
- olur
- Örtülü
- yazı yazıyor
- yıl
- sen
- zefirnet