AWS Tutkal analitik, makine öğrenimi (ML) ve uygulama geliştirme için verileri keşfetmeyi, hazırlamayı ve birleştirmeyi kolaylaştıran sunucusuz bir veri tümleştirme hizmetidir. AWS Glue'yu veri entegrasyonu ve ETL (çıkarma, dönüştürme ve yükleme) ardışık düzenleri oluşturmak, çalıştırmak ve izlemek ve varlıklarınızı birden fazla veri deposunda kataloglamak için kullanabilirsiniz.
Yüzbinlerce müşteri, veri odaklı iş kararları almak için analitik ve makine öğrenimi için veri göllerini kullanıyor. Veri tüketicileri, eğer doğru ve güncel değilse verilere olan güvenini kaybeder ve bu da optimum ve doğru kararları almak için veri kalitesini zorunlu hale getirir.
Verilerin doğruluğunun ve tazeliğinin değerlendirilmesi, mühendislerin ortak görevidir. Şu anda, veri kalitesini değerlendirmek için çeşitli araçlar mevcuttur. Bununla birlikte, bu araçlar genellikle veri keşfi için manuel süreçler ve veri mühendisliği ve kodlamada uzmanlık gerektirir.
AWS Glue Data Quality'nin genel önizleme lansmanını duyurmaktan mutluluk duyuyoruz. Bu özelliğe bugün herhangi bir ek erişim talep etmeden erişebilirsiniz. kullanılabilir Bölgeler. AWS Glue Data Quality, AWS Glue'nun Amazon S3 tabanlı veri göllerinin ve AWS Glue ETL işlerinin veri kalitesini ölçen ve izleyen yeni bir önizleme özelliğidir. Veri mühendisliği veya kodlama konusunda herhangi bir uzmanlık gerektirmez. Verilerinizin kalitesini izleme ve değerlendirme deneyiminizi basitleştirir.
Bu, AWS Glue Data Quality'nin nasıl çalıştığını açıklayan dört bölümlük gönderi dizisinin 1. Bölümüdür. Serideki sonraki gönderilere göz atın:
Bu gönderide, AWS Glue Data Quality özelliğini kullanmanın basitliğini şu şekilde ele alacağız:
- Veri kalitesi önerilerini başlatma ve AWS Glue Data Catalog'daki verileriniz üzerinde çalışır.
- Veri kalitesi sonuçları belirli bir eşiğin altına düştüğünde bildirim almak için bir Amazon CloudWatch alarmı oluşturma.
- AWS Glue Data Quality çalışmanızın sonuçlarını Amazon Athena aracılığıyla analiz edin.
AWS CloudFormation ile kaynakları ayarlayın
Sağlanan CloudFormation komut dosyası sizin için aşağıdaki kaynakları oluşturur:
- AWS Glue Data Quality çalıştırmalarını çalıştırmak için gereken IAM rolü
- NYC Taxi veri kümesini depolamak için bir Amazon Simple Storage Service (Amazon S3) klasörü
- AWS Glue Data Quality çalıştırmalarının sonuçlarını depolamak ve analiz etmek için bir S3 klasörü
- NYC Taxi veri kümesinden oluşturulan bir AWS Glue veritabanı ve tablosu
Basamaklar:
- AWS CloudFormation konsolunu açın.
- Klinik Yığın oluştur ve sonra seçin Yeni kaynaklarla (standart).
- İçin Şablon kaynağı, seçmek Bir şablon dosyası yükleyinve yukarıdaki ekli şablon dosyasını sağlayın. Sonra seç Sonraki.
- İçin Yığın adı, Veri Kalitesi Veritabanı, ve Veri Kalitesi Tablosu, varsayılan olarak bırakın. İçin DataQualityS3BucketAdı, S3 klasörünüzün adını girin. Sonra seç Sonraki.
- Son ekranda, bu yığının sizin için IAM kaynakları oluşturacağını kabul ettiğinizden emin olun ve Gönder.
- Yığın başarıyla oluşturulduktan sonra, yığın tarafından oluşturulan S3 klasörüne gidin ve yellow_tripdata_2022-01.parke dosyası.
AWS Glue Data Catalog'daki verileriniz üzerinde bir AWS Glue Data Quality çalıştırması başlatın
Bu ilk bölümde, AWS Glue Data Quality hizmetinden veri kalitesi kuralı önerileri oluşturacağız. Bu önerileri kullanarak, verilerimizin bir analizini elde etmek için veri kümemize karşı bir veri kalitesi görevi yürüteceğiz.
Başlamak için aşağıdaki adımları uygulayın:
- AWS Glue konsolunu açın.
- Klinik tablolar altında Veri Kataloğu.
- seçmek Veri Kalitesi Tablosu CloudFormation yığını aracılığıyla oluşturulan tablo.
- seçmek Veri kalitesi sekmesi.
- Klinik Kural kümesi öner.
- Üzerinde Önerilen veri kalitesi kuralları sayfa, kontrol et Önerilen kuralları bir kural kümesi olarak kaydet. Bu, sonraki adımlarda kullanmak üzere önerilen kuralları otomatik olarak bir kural kümesine kaydetmemize olanak tanır.
- İçin IAM Rolü, CloudFormation yığınından oluşturulan IAM rolünü seçin.
- İçin Ek yapılandırmalar -isteğe bağlı, varsayılan işçi sayısını ve zaman aşımını bırakın.
- Klinik Kural kümesi öner. Bu, belirtilen sayıda çalışanla bir veri kalitesi önerisi çalıştırması başlatır.
- Kural setinin tamamlanmasını bekleyin.
- Tamamlandığında, şuraya geri gidin: Rulesetleri sekme. Başarılı bir öneri çalıştırması ve oluşturulmuş bir kural seti görmelisiniz.
AWS Glue Veri Kalitesi önerilerini anlama
AWS Glue Data Quality önerileri, AWS Glue Data Quality hizmeti tarafından oluşturulan önerilerdir ve verilerinizin şeklini temel alır. Bu öneriler, verilerinizin Sıra Sayımları, Ortalama, Standart Sapma vb. özelliklerini otomatik olarak dikkate alır ve başlangıç noktası olarak kullanmanız için bir dizi kural oluşturur.
Burada kullanılan veri seti, NYC Taxi veri setiydi. AWS Glue Data Quality, buna, bu veri kümesindeki sütunlara ve bu sütunların değerlerine dayanarak bir dizi kural önerir. Toplamda, öneri hizmeti veri kümesinin tüm sütunlarını otomatik olarak dikkate aldı ve 55 kural önerdi.
Bu kurallardan bazıları şunlardır:
- "RowCount arasında <> ve <> " → Gördüğü verilere göre bir satır sayısı bekleyin
- [ ] içindeki "ColumnValues" VendorID" → "VendorID" sütununun belirli bir değerler kümesi içinde olmasını bekleyin
- IsComplete "VendorID" → "VendorID" öğesinin boş olmayan bir değer olmasını bekleyin
Önerilen AWS Glue Data Quality kurallarını nasıl kullanırım?
- itibaren Rulesetleri bölümünde, oluşturulan kural kümenizi görmelisiniz. Oluşturulan kural kümesini seçin ve Kural kümesini değerlendir.
- için kutuyu işaretlemediyseniz Önerilen kuralları bir kural kümesi olarak kaydet öneriyi çalıştırdığınızda, yine de öneri görevini çalıştır'a tıklayabilir ve yeni bir kural kümesi oluşturmak için kuralları kopyalayabilirsiniz.
- İçin Veri kalitesi eylemleri altında Veri kalitesi özellikleriseçin Ölçümleri Amazon CloudWatch'ta yayınlayın. Bu kutu işaretli değilse veri kalitesi çalıştırması, ölçümleri Amazon CloudWatch'ta yayınlamaz.
- İçin IAM rolü, Seçin GlueDataQualityBlogRolü AWS CloudFormation yığınında oluşturulur.
- İçin İstenen işçi sayısı altında Gelişmiş özellikler, varsayılan olarak bırakın.
- İçin Veri kalitesi sonuçları konumu, değerini seçin GlueDataKaliteSonuçlarS3Bucket AWS CloudFormation yığını aracılığıyla oluşturulan konum
- Klinik Kural kümesini değerlendir.
- Çalıştırma başladığında, çalıştırmanın durumunu ekranda görebilirsiniz. Veri kalitesi sonuçları sekmesi.
- Çalıştırma başarılı bir aşamaya ulaştıktan sonra, tamamlanmış veri kalitesi görev çalıştırmasını seçin ve içinde gösterilen veri kalitesi sonuçlarını görüntüleyin. Sonuçları çalıştır.
Öneri hizmetimiz, sütun değerlerine ve NYC Taxi veri kümemizdeki verilere dayalı olarak 55 kuralı uygulamamızı önerdi. Daha sonra 55 kural koleksiyonunu bir RuleSet'e dönüştürdük. Ardından, veri kümemize karşı RuleSet'imizi kullanarak çalıştırılan bir Veri Kalitesi Değerlendirme görevi yürüttük. Yukarıdaki sonuçlarımızda, RuleSet içindeki her birinin durumunu görüyoruz.
Şunları da kullanabilirsiniz: AWS Glue Veri Kalitesi API'leri bu adımları gerçekleştirmek için.
Amazon CloudWatch alarmları aracılığıyla başarısız olan veri kalitem için Amazon SNS bildirimleri alın
Data Catalog'dan çalıştırılan her AWS Glue Data Quality değerlendirmesi, adlı bir çift ölçüm yayar. yapıştırıcı.data.kalite.rules.geçerli (geçen bir dizi kuralı gösterir) ve yapıştırıcı.veri.kalite.kurallar.başarısız (başarısız olan kuralların sayısını gösterir) veri kalitesi çalıştırması başına. Bu yayılan metrik, belirli bir veri kalitesi çalıştırması bir eşiğin altına düştüğünde kullanıcıları uyarmak için alarmlar oluşturmak için kullanılabilir.
Amazon SNS bildirimi aracılığıyla e-posta gönderecek bir alarm kurmaya başlamak için aşağıdaki adımları izleyin:
- Amazon CloudWatch konsolunu açın.
- Klinik Tüm ölçümler altında Metrikleri. Altında ek bir ad alanı göreceksiniz. Özel ad alanları başlıklı Tutkal Veri Kalitesi.
Not: Bir AWS Glue Data Quality çalıştırması başlatırken, Ölçümleri Amazon CloudWatch'ta yayınlayın onay kutusu aşağıda gösterildiği gibi etkinleştirilmiştir. Aksi takdirde, söz konusu çalıştırmaya ilişkin ölçümler Amazon CloudWatch'ta yayınlanmayacaktır.
- Altında Tutkal Veri Kalitesi ad alanında, kural kümesi başına tablo başına yayılan metrikleri görebilmeniz gerekir. Blogumuzun amacı için kullanacağız yapıştırıcı.veri.kalite.kurallar.başarısız kural ve alarm, bu değer 1'in üzerine çıkarsa (1'den fazla başarısız kural değerlendirmesi görürsek, bilgilendirilmek istediğimizi belirtir).
- Alarmı oluşturmak için seçin tüm alarmlar Alarmlar altında.
- Klinik Alarm oluştur.
- Klinik Metrik seçin.
- seçmek yapıştırıcı.veri.kalite.kurallar.başarısız oluşturduğunuz tabloya karşılık gelen metrik, ardından Metrik seçin.
- Altında Metrik ve koşulları belirtin sekmesinin altında Metrikleri Bölüm:
- İçin İstatistikseçin Toplam.
- İçin Periyotseçin 1 dakika.
- Altında Koşullar Bölüm:
- İçin Eşik türü, seçmek Statik.
- İçin Gluck.data.quality.rules.failed her zaman…seçin Büyük/Eşit.
- İçin hariç…, eşik değeri olarak 1 girin.
- genişletmek Ek yapılandırmalar açılır ve seçin Eksik verileri iyi olarak değerlendirin
Bu seçimler, eğer yapıştırıcı.veri.kalite.kurallar.başarısız metrik, şuna eşit veya daha büyük bir değer yayar: 1, bir alarm tetikleyeceğiz. Ancak, herhangi bir veri yoksa, bunu kabul edilebilir olarak değerlendireceğiz.
- Klinik Sonraki.
- On Eylemleri yapılandırın:
- Için Alarm durumu tetikleyicisi bölümünde, seçin alarmda .
- İçin Aşağıdaki SNS konusuna bir bildirim gönderin, seçmek Yeni konu oluştur yeni bir SNS konusu aracılığıyla bir bildirim göndermek için.
- İçin Bildirimi alacak e-posta uç noktaları…, E-posta adresinizi giriniz. Seçmek Sonraki.
- İçin Alarm adı, myFirstDQAlarm girin ve ardından Sonraki.
- Son olarak, ekranda tüm seçimlerin bir özetini görmelisiniz. Önizleyin ve oluşturun ekran. Seçmek Alarm oluştur altta.
- Artık Amazon CloudWatch alarm panosundan oluşturulan alarmı görebilmeniz gerekir.
AWS Glue Data Quality alarmlarını göstermek için, alınan bozuk verilerin olduğu gerçek dünya senaryosunu ve bundan haberdar olmak için AWS Glue Data Quality hizmetini nasıl kullanabileceğimizi inceleyeceğiz. önceki adımlarda oluşturulur. Bu amaçla, sağlanan dosyayı kullanacağız. malformed_yellow_taxi.parquet kasıtlı olarak ince ayar yapılmış verileri içeren.
- S3 konumuna gidin DataQualityS3BucketAdı blog gönderisinin başında sağlanan CloudFormation şablonunda bahsedilmiştir.
- Yükle malformed_yellow_tripdata.parquet bu konuma dosya. Bu, ETL süreçlerimiz aracılığıyla veri göllerimize kötü veri kalitesine sahip bir dosyanın geldiği bir akışı simüle etmemize yardımcı olacaktır.
- AWS Glue Data Catalog konsoluna gidin, sağlanan AWS CloudFormation şablonu aracılığıyla oluşturulan demo_nyc_taxi_data_input öğesini seçin ve ardından Veri kalitesi sekmesi.
- İlk bölümde oluşturduğumuz RuleSet'i seçin. Sonra seçin Kural kümesini değerlendir.
- itibaren Veri kalitesini değerlendir ekranı:
- Kutuyu işaretleyin Ölçümleri Amazon CloudWatch'ta yayınlayın. Bu onay kutusu, başarısızlık ölçümlerinin Amazon CloudWatch'a yayınlanmasını sağlamak için gereklidir.
- AWS CloudFormation şablonu aracılığıyla oluşturulan IAM rolünü seçin.
- İsteğe bağlı olarak, AWS Glue Data Quality sonuçlarınızı yayınlamak için bir S3 konumu seçin.
- seç Kural kümesini değerlendirin.
- gidin Veri Kalitesi sonuçları sekme. Şimdi, biri bu blogun önceki adımlarından ve diğeri şu anda tetiklediğimiz iki çalıştırma görmelisiniz. Geçerli çalıştırmanın tamamlanmasını bekleyin.
- Gördüğünüz gibi, orijinal 52 kuralımızdan yalnızca 55'sinin geçmesiyle başarısız bir AWS Glue Data Quality çalıştırma sonucumuz var. Bu hatalar, S3'e yüklediğimiz yeni dosyayla ilişkilendirilir.
- Amazon CloudWatch konsoluna gidin ve bu bölümün başında oluşturduğumuz alarmı seçin.
- Gördüğünüz gibi, alarmı her seferinde çalacak şekilde yapılandırdık. yapıştırıcı.veri.kalite.kurallar.başarısız metrik, 1 eşiğini geçiyor. Yukarıdaki AWS Glue Data Quality çalıştırıldıktan sonra, alarmı tetikleyen 3 kuralın başarısız olduğunu görüyoruz. Ayrıca, alarmın çalışmasını ayrıntılarıyla anlatan bir e-posta da almış olmanız gerekir.
Böylece, veri göllerimize gelen hatalı biçimlendirilmiş verilerin AWS Glue Data Quality kuralları aracılığıyla tanımlanabileceği ve uygun kişileri bilgilendirmek için sonraki uyarı mekanizmalarının oluşturulabileceği bir örnek gösterdik.
AWS Glue Data Quality çalıştırma sonuçlarınızı Amazon Athena aracılığıyla analiz edin
Belirli bir süre boyunca bir veri kümesine karşı birden çok AWS Glue Data Quality çalıştırma sonucunun olduğu senaryolarda, belirli bir süre boyunca veri kümesinin kalite trendlerini izlemek isteyebilirsiniz. Bunu başarmak için AWS Glue Data Quality çalıştırma sonuçlarımızı S3'e aktarabilir ve dışa aktarılan çalıştırmaya karşı analitik sorgular çalıştırmak için Amazon Athena'yı kullanabiliriz. Sonuçlar daha sonra Amazon QuickSight'ta, veri kalitesi trendlerinizin grafiksel bir temsiline sahip olmak üzere panolar oluşturmak için kullanılabilir.
Bu yazının üçüncü bölümünde, veri kümenizin kalitesiyle ilgili verileri izlemeye başlamak için gereken adımları göreceğiz:
- Önceki bölümlerde kurduğumuz veri kalitesi çalıştırmalarımız için Veri kalitesi sonuçları konumu AWS CloudFormation yığını tarafından belirtilen klasör konumuna parametre.
- Her başarılı çalıştırmadan sonra, seçtiğiniz S3 konumuna, söz konusu çalıştırmaya karşılık gelen tek bir JSONL dosyasının dışa aktarıldığını görmelisiniz.
- Amazon Athena konsolunu açın.
- Sorgu düzenleyicisinde, aşağıdaki CREATE TABLE deyimini çalıştırın ( ilgili bir değere sahip ve bölümü ile
GlueDataQualityResultsS3Bucket
sağlanan AWS CloudFormation şablonundaki değer): - Yukarıdaki tablo oluşturulduktan sonra, veri kalitesi sonuçlarınızı analiz etmek için sorgular çalıştırabilmelisiniz.
Örneğin, başarısız AWS Glue Data Quality'nin tabloma karşı çalıştığını gösteren aşağıdaki sorguyu göz önünde bulundurun demo_nyc_taxi_data_input
bir zaman penceresi içinde:
Yukarıdaki sorgunun çıktısı, NYC Taxi veri kümesi tabloma ("tablename" = 'demo_nyc_taxi_data_input' ) karşı çalışan "outcome" = "Failed" olan tüm çalıştırmalar hakkında ayrıntıları gösteriyor. Çıktı ayrıca bana başarısızlık nedeni hakkında bilgi verir ( failurereason
) ve değerlendirildiği değerler ( evaluatedmetrics
).
Gördüğünüz gibi, S3'e yüklenen çalıştırma sonuçları aracılığıyla AWS Glue Data Quality çalışmalarımız hakkında detaylı bilgi alabiliyor, daha detaylı analizler yapabiliyor ve veriler üzerine dashboard'lar oluşturabiliyoruz.
Temizlemek
- Amazon Athena konsoluna gidin ve veri kalitesi analizi için oluşturulan tabloyu silin.
- Amazon CloudWatch konsoluna gidin ve oluşturulan alarmları silin.
- Örnek CloudFormation yığınını dağıttıysanız CloudFormation yığınını AWS CloudFormation konsolu aracılığıyla silin. İhtiyacın olacak S3 kovasını boşaltın paketi silmeden önce.
- AWS Glue Data Quality çalıştırmalarınızı S3'e çıktı verecek şekilde etkinleştirdiyseniz bu kovaları da boşaltın.
Sonuç
Bu gönderide, AWS Glue Data Quality özelliğini kullanarak veri kalitesi kurallarını AWS Glue Data Catalog tablolarınıza dahil etmenin kolaylığından ve hızından bahsettik. Ayrıca önerilerin nasıl çalıştırılacağı ve tablolarınıza göre veri kalitesinin nasıl değerlendirileceği hakkında konuştuk. Daha sonra, Amazon Athena aracılığıyla veri kalitesi sonuçlarının analiz edilmesini ve başarısız veri kalitesi konusunda kullanıcıları bilgilendirmek için Amazon CloudWatch aracılığıyla alarm kurma sürecini ele aldık.
AWS Glue Data Quality API'lerini ayrıntılı olarak incelemek için şuraya göz atın: AWS Glue Veri Kalitesi API belgeleri
AWS Glue Veri Kalitesi hakkında daha fazla bilgi edinmek için şuraya göz atın: AWS Glue Veri Kalitesi Geliştirici Kılavuzu
yazarlar hakkında
Aniket Ciddigoudar AWS Glue ekibinde bir Büyük Veri Mimarıdır.
Joseph Barlan AWS Glue'da Ön Uç Mühendisi. Ekiplerin yeniden kullanılabilir UI bileşenleri oluşturmasına yardımcı olma konusunda 5 yıldan fazla deneyime sahiptir ve ön uç tasarım sistemleri konusunda tutkuludur. Boş zamanlarında karakalem çizmekten ve art arda dizi izlemekten hoşlanıyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/big-data/getting-started-with-aws-glue-data-quality-from-the-aws-glue-data-catalog/
- 000
- 1
- 10
- 100
- 11
- 420
- a
- Yapabilmek
- Hakkımızda
- yukarıdaki
- kabul edilebilir
- erişim
- Hesap
- doğruluk
- doğru
- Başarmak
- onaylamak
- karşısında
- eylemler
- Ek
- adres
- ileri
- Sonra
- karşı
- alarm
- Uyarmak
- Türkiye
- Amazon
- Amazon Atina
- Amazon QuickSight
- analiz
- Analitik
- analytics
- çözümlemek
- analiz
- ve
- duyurmak
- Apache
- api
- API'ler
- Uygulama
- Uygulama Geliştirme
- uygun
- yönleri
- Varlıklar
- otomatik olarak
- mevcut
- AWS
- AWS CloudFormation
- AWS Tutkal
- Arka
- merkezli
- önce
- Başlangıç
- olmak
- altında
- arasında
- Büyük
- büyük Veri
- Blog
- Alt
- kutu
- inşa etmek
- iş
- taşımak
- katalog
- belli
- Kontrol
- Klinik
- sınıflandırma
- kodlama
- Toplamak
- Sütun
- Sütunlar
- birleştirmek
- gelecek
- ortak
- tamamlamak
- Tamamlandı
- bileşenler
- koşullar
- Düşünmek
- dikkate
- konsolos
- Tüketiciler
- içeren
- dönüştürülmüş
- uyan
- bozuk
- olabilir
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- oluşturur
- akım
- Şu anda
- Müşteriler
- gösterge paneli
- veri
- veri-güdümlü
- veritabanı
- kararlar
- Varsayılan
- göstermek
- gösterdi
- konuşlandırılmış
- Dizayn
- tasarım sistemleri
- detaylı
- ayrıntılar
- Geliştirici
- gelişme
- sapma
- keşfetmek
- keşif
- tartışılan
- çizim
- her
- editör
- E-posta
- mühendis
- Mühendislik
- Mühendisler
- sağlamak
- Keşfet
- gerekli
- vb
- Eter (ETH)
- değerlendirmek
- değerlendirilir
- değerlendirme
- değerlendirmeler
- örnek
- beklemek
- deneyim
- Uzmanlık
- Açıklamak
- ihracat
- dış
- çıkarmak
- başarısız
- Başarısızlık
- Falls
- Özellikler(Hazırlık aşamasında)
- fileto
- son
- Ateş
- ateşleme
- Ad
- akış
- takip et
- takip etme
- biçim
- itibaren
- Frontend
- daha fazla
- oluşturmak
- oluşturulan
- almak
- alma
- verilmiş
- verir
- Go
- Goes
- gidiş
- büyük
- yardım et
- yardım
- okuyun
- kovan
- Ne kadar
- Nasıl Yapılır
- Ancak
- HTML
- HTTPS
- tespit
- in
- Gelen
- birleşmeyle
- bilgi
- bütünleşme
- IT
- Mesleki Öğretiler
- json
- başlatmak
- ÖĞRENİN
- öğrenme
- Ayrılmak
- yük
- yer
- Bakın
- kaybetmek
- makine
- makine öğrenme
- yapmak
- YAPAR
- Yapımı
- Manuel
- önlemler
- metrik
- Metrikleri
- olabilir
- eksik
- ML
- izlemek
- izleme
- monitörler
- Daha
- çoklu
- isim
- Gezin
- gerek
- yeni
- sonraki
- tebliğ
- bildirimleri
- numara
- NYC
- ONE
- optimum
- sipariş
- orijinal
- aksi takdirde
- parametre
- Bölüm
- belirli
- geçti
- Geçen
- tutkulu
- yapmak
- dönem
- Platon
- Plato Veri Zekası
- PlatoVeri
- memnun
- Nokta
- yoksul
- Çivi
- Mesajlar
- Hazırlamak
- Önizleme
- önceki
- süreç
- Süreçler
- sağlamak
- sağlanan
- halka açık
- yayınlamak
- yayınlanan
- amaç
- kalite
- ulaşır
- Gerçek dünya
- neden
- teslim almak
- son
- Tavsiye
- tavsiyeler
- Tavsiye edilen
- önerir
- uygun
- onarım
- değiştirmek
- temsil
- gerektirir
- gereklidir
- Kaynaklar
- sonuç
- Sonuçlar
- yeniden kullanılabilir
- Rol
- SIRA
- Kural
- kurallar
- koşmak
- İndirim
- senaryolar
- Ekran
- Bölüm
- bölümler
- seçilmiş
- Dizi
- Serverless
- hizmet
- set
- ayar
- Shape
- meli
- gösterilen
- Gösteriler
- Basit
- basitlik
- tek
- özel
- Belirtilen
- hız
- yığın
- Aşama
- standart
- başlama
- başladı
- XNUMX dakika içinde!
- Eyalet
- Açıklama
- Durum
- Basamaklar
- Yine
- hafızası
- mağaza
- saklı
- mağaza
- sonraki
- başarılı
- Başarılı olarak
- ÖZET
- Verilen
- Sistemler
- tablo
- Bizi daha iyi tanımak için
- Görev
- takım
- takım
- şablon
- The
- Üçüncü
- Binlerce
- eşik
- İçinden
- zaman
- zaman damgası
- için
- bugün
- araçlar
- üst
- konu
- Toplam
- iz
- Takip
- Dönüştürmek
- tedavi etmek
- Trendler
- tetikleyebilir
- tetiklenir
- Güven
- tv
- ui
- altında
- Yüklenen
- us
- kullanım
- kullanıcılar
- kullanmak
- değer
- Değerler
- çeşitli
- üzerinden
- Görüntüle
- beklemek
- izlerken
- hangi
- irade
- içinde
- olmadan
- işçiler
- çalışır
- olur
- yıl
- zefirnet