Зародки зміни парадигми машинного навчання (ML) існували десятиліттями, але з наявністю практично нескінченної обчислювальної потужності, величезним розповсюдженням даних і швидким розвитком технологій ML клієнти в різних галузях швидко приймають і використовують ML. технології для трансформації свого бізнесу.
Нещодавно генеративні програми штучного інтелекту привернули загальну увагу та уяву. Ми справді знаходимося на захоплюючій точці перелому в широкому впровадженні машинного навчання, і ми віримо, що кожен клієнтський досвід і програма буде переосмислено за допомогою генеративного ШІ.
Генеративний штучний інтелект – це тип штучного інтелекту, який може створювати новий контент та ідеї, зокрема розмови, історії, зображення, відео та музику. Як і будь-який інший штучний інтелект, генеративний штучний інтелект базується на моделях машинного навчання — дуже великих моделях, попередньо навчених на величезних масивах даних, які зазвичай називають базовими моделями (FM).
Розмір і загальний характер FM відрізняють їх від традиційних моделей ML, які зазвичай виконують специфічні завдання, як-от аналіз тексту на настрої, класифікація зображень і прогнозування тенденцій.
З традиційними моделями ML, щоб досягти кожного конкретного завдання, вам потрібно зібрати позначені дані, навчити модель і розгорнути цю модель. За допомогою базових моделей замість збору позначених даних для кожної моделі та навчання кількох моделей ви можете використовувати ту саму попередньо навчену FM для адаптації різних завдань. Ви також можете налаштувати FM для виконання специфічних для домену функцій, які відрізняються від вашого бізнесу, використовуючи лише невелику частину даних і обчислень, необхідних для навчання моделі з нуля.
Генеративний штучний інтелект має потенціал підірвати багато галузей, революціонізувавши спосіб створення та споживання контенту. Виробництво оригінального вмісту, генерація коду, покращення обслуговування клієнтів і узагальнення документів є типовими випадками використання генеративного ШІ.
Amazon SageMaker JumpStart надає попередньо підготовлені моделі з відкритим вихідним кодом для широкого спектру проблем, які допоможуть вам розпочати роботу з машинним навчанням. Ви можете поступово навчати та налаштовувати ці моделі перед розгортанням. JumpStart також надає шаблони рішень, які налаштовують інфраструктуру для поширених випадків використання, і виконувані приклади блокнотів для ML з Amazon SageMaker.
Завдяки понад 600 попередньо підготовленим моделям, які зростають щодня, JumpStart дозволяє розробникам швидко та легко впроваджувати передові методи машинного навчання у свої виробничі процеси. Ви можете отримати доступ до попередньо підготовлених моделей, шаблонів рішень і прикладів на цільовій сторінці JumpStart у Студія Amazon SageMaker. Ви також можете отримати доступ до моделей JumpStart за допомогою SageMaker Python SDK. Відомості про програмне використання моделей JumpStart див Використовуйте алгоритми SageMaker JumpStart із попередньо підготовленими моделями.
У квітні 2023 року було представлено AWS Amazon Bedrock, який надає спосіб створювати генеративні програми на основі ШІ за допомогою попередньо підготовлених моделей від стартапів, зокрема Лабораторії AI21, Антропний та Стабільність ШІ. Amazon Bedrock також пропонує доступ до базових моделей Titan, сімейства моделей, навчених у компанії AWS. Завдяки безсерверному досвіду Amazon Bedrock ви можете легко знайти правильну модель для своїх потреб, швидко розпочати роботу, конфіденційно налаштувати FM за допомогою власних даних, а також легко інтегрувати та розгорнути їх у своїх програмах за допомогою інструментів і можливостей AWS, які вам знайомі. з (включаючи інтеграцію з такими функціями SageMaker ML, як Експерименти Amazon SageMaker тестувати різні моделі та Трубопроводи Amazon SageMaker керувати своїми FM в масштабі) без необхідності керувати будь-якою інфраструктурою.
У цьому дописі ми покажемо, як розгорнути моделі ШІ, що генерують зображення та текст, із JumpStart за допомогою Набір хмарних розробок AWS (AWS CDK). AWS CDK — це платформа розробки програмного забезпечення з відкритим вихідним кодом для визначення ресурсів ваших хмарних програм за допомогою знайомих мов програмування, таких як Python.
Ми використовуємо модель Stable Diffusion для створення зображень і модель FLAN-T5-XL для розуміння природної мови (NLU) і створення тексту з Обіймати обличчя у JumpStart.
Огляд рішення
Веб-програма побудована на Стрітліт, бібліотека Python з відкритим вихідним кодом, яка спрощує створення та обмін красивими користувацькими веб-програмами для машинного навчання та обробки даних. Ми розміщуємо веб-додаток за допомогою Служба еластичних контейнерів Amazon (Amazon ECS) с AWS Fargate доступ до нього здійснюється через програму балансування навантаження. Fargate — це технологія, яку можна використовувати для запуску з Amazon ECS containers без необхідності керувати серверами, кластерами чи віртуальними машинами. Кінцеві точки генеративної моделі ШІ запускаються із зображень JumpStart Реєстр контейнерів Amazon Elastic (Amazon ECR). Дані моделі зберігаються на Служба простого зберігання Amazon (Amazon S3) в обліковому записі JumpStart. Веб-додаток взаємодіє з моделями через API -шлюз Amazon та AWS Lambda функції, як показано на наступній схемі.
API Gateway надає веб-програмі та іншим клієнтам стандартний інтерфейс RESTful, одночасно захищаючи функції Lambda, які взаємодіють із моделлю. Це спрощує код клієнтської програми, яка використовує моделі. У цьому прикладі кінцеві точки шлюзу API є загальнодоступними, що дає можливість розширити цю архітектуру для реалізації різних Контроль доступу до API і інтегруватися з іншими програмами.
У цій публікації ми проведемо вас через такі кроки:
- встановити Інтерфейс командного рядка AWS (AWS CLI) і AWS CDK v2 на локальній машині.
- Клонуйте та налаштуйте програму AWS CDK.
- Розгорніть програму AWS CDK.
- Використовуйте модель ШІ для створення зображень.
- Використовуйте модель ШІ для створення тексту.
- Переглянути розгорнуті ресурси на Консоль управління AWS.
Ми надаємо огляд коду в цьому проекті в додатку в кінці цієї публікації.
Передумови
Ви повинні мати такі передумови:
Ви можете розгорнути інфраструктуру в цьому підручнику зі свого локального комп’ютера або використовувати AWS Cloud9 як вашу робочу станцію для розгортання. AWS Cloud9 поставляється з попередньо завантаженими AWS CLI, AWS CDK і Docker. Якщо ви виберете AWS Cloud9, створити середовище від Консоль AWS.
Орієнтовна вартість створення цієї публікації становить 50 доларів США за умови, що ви залишите ресурси працювати протягом 8 годин. Переконайтеся, що ви видалили ресурси, які ви створили в цій публікації, щоб уникнути постійних платежів.
Установіть AWS CLI та AWS CDK на вашій локальній машині
Якщо у вас ще немає AWS CLI на вашій локальній машині, див Встановлення або оновлення останньої версії AWS CLI та Налаштування AWS CLI.
Встановіть AWS CDK Toolkit глобально за допомогою такої команди менеджера пакетів вузлів:
Виконайте таку команду, щоб перевірити правильність встановлення та надрукувати номер версії AWS CDK:
Переконайтеся, що на вашій локальній машині встановлено Docker. Видайте таку команду, щоб перевірити версію:
Клонуйте та налаштуйте програму AWS CDK
На локальному комп’ютері клонуйте програму AWS CDK за допомогою такої команди:
Перейдіть до папки проекту:
Перш ніж розгортати програму, давайте переглянемо структуру каталогів:
Команда stack
містить код для кожного стека в програмі AWS CDK. The code
папка містить код для функцій Lambda. Репозиторій також містить веб-програму, розташовану в папці web-app
.
Команда cdk.json
файл повідомляє AWS CDK Toolkit, як запускати вашу програму.
Ця програма була протестована в us-east-1
Регіон, але він має працювати в будь-якому регіоні, який має необхідні служби та тип екземпляра висновку ml.g4dn.4xlarge
зазначене в app.py
.
Налаштуйте віртуальне середовище
Цей проект налаштовано як стандартний проект Python. Створіть віртуальне середовище Python за допомогою такого коду:
Використовуйте таку команду, щоб активувати віртуальне середовище:
Якщо ви використовуєте платформу Windows, активуйте віртуальне середовище таким чином:
Після активації віртуального середовища оновіть pip до останньої версії:
Встановіть необхідні залежності:
Перш ніж розгортати будь-яку програму AWS CDK, вам потрібно завантажувати простір у вашому обліковому записі та регіоні, у якому ви розгортаєте. Для завантаження у регіоні за замовчуванням виконайте таку команду:
Якщо ви хочете розгорнути в певному обліковому записі та регіоні, виконайте таку команду:
Щоб отримати додаткові відомості про це налаштування, перейдіть на сторінку Початок роботи з AWS CDK.
Структура стеку програми AWS CDK
Програма AWS CDK містить кілька стеків, як показано на наступній схемі.
Ви можете отримати список стеків у своїй програмі AWS CDK за допомогою такої команди:
Нижче наведено інші корисні команди AWS CDK:
- cdk ls – Перераховує всі стеки в програмі
- cdk синтезатор – Випромінює синтезований AWS CloudFormation шаблон
- розгортання cdk – Розгортає цей стек у вашому обліковому записі AWS за замовчуванням і регіоні
- cdk диф – Порівнює розгорнутий стек із поточним станом
- cdk документи – Відкриває документацію AWS CDK
У наступному розділі показано, як розгорнути програму AWS CDK.
Розгорніть програму AWS CDK
Додаток AWS CDK буде розгорнуто в регіоні за замовчуванням на основі конфігурації вашої робочої станції. Якщо ви хочете примусово розгорнути в певному регіоні, установіть свій AWS_DEFAULT_REGION
змінна середовища відповідно.
На цьому етапі ви можете розгорнути програму AWS CDK. Спочатку ви запускаєте мережевий стек VPC:
Якщо вам буде запропоновано, введіть y
щоб продовжити розгортання. Ви повинні побачити список ресурсів AWS, які надаються в стеку. Цей крок займає близько 3 хвилин.
Потім ви запускаєте стек веб-додатків:
Після аналізу стека AWS CDK відобразить список ресурсів у стеку. Введіть y, щоб продовжити розгортання. Цей крок займає близько 5 хвилин.
Запишіть WebApplicationServiceURL
з результату для використання пізніше. Ви також можете отримати його на консолі AWS CloudFormation у розділі GenerativeAiDemoWebStack
виходи стека.
Тепер запустіть стек кінцевих точок моделі штучного інтелекту для створення зображень:
Цей крок займає близько 8 хвилин. Кінцеву точку моделі генерації зображень розгорнуто, тепер ми можемо її використовувати.
Використовуйте модель ШІ для створення зображень
Перший приклад демонструє, як використовувати Stable Diffusion, потужну техніку генеративного моделювання, яка дозволяє створювати високоякісні зображення з текстових підказок.
- Доступ до веб-програми за допомогою
WebApplicationServiceURL
з виходу зGenerativeAiDemoWebStack
у веб-переглядачі. - На панелі навігації виберіть Генерація зображень.
- Команда Назва кінцевої точки SageMaker та URL-адреса API GW поля будуть заповнені попередньо, але ви можете змінити підказку для опису зображення, якщо хочете.
- Вибирати Створити зображення.
- Програма зробить виклик до кінцевої точки SageMaker. Це займає кілька секунд. Відобразиться зображення з характеристиками в описі вашого зображення.
Використовуйте модель ШІ для створення тексту
У другому прикладі зосереджено використання моделі FLAN-T5-XL, яка є базовою або великою мовною моделлю (LLM), щоб досягти контекстного навчання для створення тексту, а також розглядати широкий діапазон розуміння природної мови (NLU) і природного завдання генерації мови (NLG).
Деякі середовища можуть обмежувати кількість кінцевих точок, які можна запускати одночасно. Якщо це так, ви можете запускати одну кінцеву точку SageMaker за раз. Щоб зупинити кінцеву точку SageMaker у програмі AWS CDK, вам потрібно знищити розгорнутий стек кінцевих точок і перед запуском іншого стека кінцевих точок. Щоб вимкнути кінцеву точку моделі штучного інтелекту для створення зображення, виконайте таку команду:
Потім запустіть стек кінцевих точок моделі ШІ для створення тексту:
Введіть y у підказках.
Після запуску стека кінцевих точок моделі генерації тексту виконайте такі дії:
- Поверніться до веб-додатку та виберіть Генерація тексту у навігаційній панелі.
- Команда Контекст введення Поле попередньо заповнюється розмовою між клієнтом і агентом щодо проблеми з телефоном клієнта, але ви можете ввести власний контекст, якщо хочете.
- Під контекстом ви знайдете кілька попередньо заповнених запитів у спадному меню. Виберіть запит і виберіть Створити відповідь.
- Ви також можете ввести власний запит у Вхідний запит поле, а потім виберіть Створити відповідь.
Перегляньте розгорнуті ресурси на консолі
На консолі AWS CloudFormation виберіть Стеки на панелі навігації, щоб переглянути розгорнуті стеки.
На консолі Amazon ECS ви можете побачити кластери на Кластери стр.
На консолі AWS Lambda ви можете побачити функції на Функції стр.
На консолі API Gateway ви можете побачити кінцеві точки API Gateway на Інтерфейси стр.
На консолі SageMaker ви можете побачити кінцеві точки розгорнутої моделі на Кінцеві точки стр.
Під час запуску стеків генеруються деякі параметри. Вони зберігаються в Зберігання параметрів AWS Systems Manager. Щоб переглянути їх, виберіть Зберігання параметрів на панелі навігації на Менеджер систем AWS Консоль.
Прибирати
Щоб уникнути непотрібних витрат, очистіть всю інфраструктуру, створену за допомогою наступної команди на вашій робочій станції:
Що натомість? Створіть віртуальну версію себе у
y
за підказкою. Цей крок займає приблизно 10 хвилин. Перевірте, чи всі ресурси видалено на консолі. Також видаліть сегменти активів S3, створені AWS CDK на консолі Amazon S3, а також репозиторії активів на Amazon ECR.
Висновок
Як показано в цій публікації, ви можете використовувати AWS CDK для розгортання генеративних моделей ШІ в JumpStart. Ми показали приклад генерації зображення та приклад генерації тексту за допомогою інтерфейсу користувача на основі Streamlit, Lambda та API Gateway.
Тепер ви можете створювати свої генеративні проекти ШІ, використовуючи попередньо навчені моделі ШІ в JumpStart. Ви також можете розширити цей проект, щоб точно налаштувати базові моделі для свого сценарію використання та контролювати доступ до кінцевих точок API Gateway.
Ми запрошуємо вас протестувати рішення та внести свій внесок у проект GitHub. Поділіться своїми думками щодо цього посібника в коментарях!
Короткий опис ліцензії
Цей зразок коду надається за модифікованою ліцензією MIT. Див ЛІЦЕНЗІЇ файл для отримання додаткової інформації. Також перегляньте відповідні ліцензії для стабільна дифузія та flan-t5-xl моделі на Hugging Face.
Про авторів
Ганцлі Таукур є лідером APJ Partner Solutions Architecture Leader у Сінгапурі. Він має 20-річний досвід роботи в галузі ІКТ у багатьох функціональних сферах, включаючи архітектуру рішень, розвиток бізнесу, стратегію продажів, консультування та лідерство. Він очолює команду старших архітекторів рішень, які дозволяють партнерам розробляти спільні рішення, створювати технічні можливості та керувати ними на етапі впровадження, коли клієнти переходять і модернізують свої програми на AWS.
Квонюл Чой є технічним директором BABITALK, корейського стартапу платформи догляду за красою, що базується в Сеулі. До цієї посади Ковнюл працював інженером з розробки програмного забезпечення в AWS, зосереджуючись на AWS CDK і Amazon SageMaker.
Арунпрасат Шанкар є старшим архітектором рішень зі штучного інтелекту/ML в AWS, який допомагає глобальним клієнтам ефективно й ефективно масштабувати свої рішення штучного інтелекту в хмарі. У вільний час Арун любить дивитися науково-фантастичні фільми та слухати класичну музику.
Сатіш Упреті є провідним спеціалістом з міграції PSA та безпеки малого та середнього бізнесу в партнерській організації в APJ. Satish має 20-річний досвід роботи з технологіями локальної приватної та публічної хмари. З моменту приєднання до AWS у серпні 2020 року в якості спеціаліста з міграції він надає розширені технічні консультації та підтримку партнерам AWS у плануванні та реалізації складних міграцій.
Додаток: Покрокове керівництво кодом
У цьому розділі ми надаємо огляд коду цього проекту.
Додаток AWS CDK
Основна програма AWS CDK міститься в app.py
файл у кореневому каталозі. Проект складається з кількох стеків, тому нам потрібно імпортувати стеки:
Ми визначаємо наші генеративні моделі ШІ та отримуємо відповідні URI від SageMaker:
Функція get_sagemaker_uris отримує всю інформацію про модель із JumpStart. Побачити script/sagemaker_uri.py
.
Потім ми створюємо стеки:
Першим стеком для запуску є стек VPC, GenerativeAiVpcNetworkStack. Стек веб-додатків, GenerativeAiDemoWebStack, залежить від стека VPC. Залежність здійснюється через передачу параметрів vpc=network_stack.vpc.
Читати app.py
для повного коду.
Мережевий стек VPC
У стеку GenerativeAiVpcNetworkStack ми створюємо VPC із загальнодоступною та приватною підмережами, що охоплюють дві зони доступності:
Читати /stack/generative_ai_vpc_network_stack.py
для повного коду.
Стек демонстраційних веб-додатків
У стеку GenerativeAiDemoWebStack ми запускаємо функції Lambda та відповідні кінцеві точки шлюзу API, через які веб-додаток взаємодіє з кінцевими точками моделі SageMaker. Перегляньте наступний фрагмент коду:
Веб-програма є контейнеризованою та розміщена на Amazon ECS у Fargate. Перегляньте наступний фрагмент коду:
Читати /stack/generative_ai_demo_web_stack.py
для повного коду.
Стек кінцевих точок моделі створення зображень SageMaker
Стек GenerativeAiTxt2imgSagemakerStack створює кінцеву точку моделі генерації зображення з JumpStart і зберігає назву кінцевої точки в сховищі параметрів Systems Manager. Цей параметр буде використовуватися веб-програмою. Перегляньте наступний код:
Читати /stack/generative_ai_txt2img_sagemaker_stack.py
для повного коду.
NLU та стек кінцевих точок моделі SageMaker для створення тексту
Стек GenerativeAiTxt2nluSagemakerStack створює кінцеву точку моделі NLU та генерації тексту з JumpStart і зберігає назву кінцевої точки в сховищі параметрів Systems Manager. Цей параметр також буде використовуватися веб-програмою. Перегляньте наступний код:
Читати /stack/generative_ai_txt2nlu_sagemaker_stack.py
для повного коду.
Веб-додаток
Веб-додаток знаходиться в /web-app
каталог. Це програма Streamlit, яка містить контейнери відповідно до Dockerfile
:
Щоб дізнатися більше про Streamlit, див Streamlit документація.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoAiStream. Web3 Data Intelligence. Розширення знань. Доступ тут.
- Карбування майбутнього з Адріенн Ешлі. Доступ тут.
- Купуйте та продавайте акції компаній, які вийшли на IPO, за допомогою PREIPO®. Доступ тут.
- джерело: https://aws.amazon.com/blogs/machine-learning/deploy-generative-ai-models-from-amazon-sagemaker-jumpstart-using-the-aws-cdk/
- : має
- :є
- $UP
- 1
- 10
- 100
- 20
- 20 роки
- 2020
- 2023
- 7
- 8
- 9
- a
- МЕНЮ
- доступ
- доступний
- доступною
- відповідно
- рахунки
- Achieve
- через
- пристосовувати
- адресація
- Прийняття
- Прийняття
- просування
- рада
- Агент
- AI
- Можливість
- AI / ML
- алгоритми
- ВСІ
- Дозволити
- вже
- Також
- Amazon
- API -шлюз Amazon
- Amazon SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- an
- Аналізуючи
- та
- будь-який
- API
- додаток
- додаток
- застосування
- додатка
- квітня
- архітектура
- ЕСТЬ
- області
- навколо
- AS
- Активи
- At
- увагу
- Серпня
- наявність
- доступний
- уникнути
- AWS
- AWS Cloud9
- AWS CloudFormation
- AWS Lambda
- назад
- свінг
- заснований
- НИМ
- BE
- красивий
- Краса
- перед тим
- буття
- Вірити
- між
- Bootstrap
- широкий
- браузер
- будувати
- побудований
- бізнес
- розвиток бізнесу
- підприємства
- але
- by
- call
- CAN
- можливості
- потужність
- захоплений
- який
- випадок
- випадків
- CD
- Центри
- зміна
- характеристика
- вантажі
- перевірка
- Вибирати
- клієнт
- клієнтів
- хмара
- Cloud9
- код
- приходить
- загальний
- зазвичай
- повний
- комплекс
- обчислення
- комп'ютер
- конфігурація
- Консоль
- будувати
- консалтинг
- спожитий
- містяться
- Контейнер
- містить
- зміст
- контекст
- сприяти
- контроль
- Розмова
- розмови
- виправити
- Коштувати
- створювати
- створений
- створює
- створення
- CTO
- Поточний
- виготовлений на замовлення
- клієнт
- Досвід клієнтів
- Контакти
- Клієнти
- налаштувати
- передовий
- дані
- наука про дані
- день
- десятиліття
- дефолт
- Визначає
- продемонстрований
- демонструє
- Залежність
- залежний
- розгортання
- розгорнути
- розгортання
- розгортання
- розгортає
- description
- знищити
- розвивати
- розробників
- розробка
- різний
- радіомовлення
- дисплей
- Зривати
- Docker
- документ
- зроблений
- Не знаю
- вниз
- кожен
- легко
- легко
- фактично
- продуктивно
- включіть
- дозволяє
- кінець
- Кінцева точка
- інженер
- Що натомість? Створіть віртуальну версію себе у
- Навколишнє середовище
- середовищах
- оцінка
- Ефір (ETH)
- Кожен
- кожен день
- все це
- приклад
- Приклади
- захоплюючий
- існували
- досвід
- продовжити
- обширний
- Face
- false
- знайомий
- сім'я
- риси
- кілька
- поле
- Поля
- філе
- знайти
- Перший
- Сфокусувати
- після
- слідує
- для
- Примусово
- фонд
- фракція
- Рамки
- від
- Повний
- функція
- функціональний
- Функції
- шлюз
- збирати
- збір
- Головна мета
- генерується
- покоління
- генеративний
- Генеративний ШІ
- отримати
- Git
- Глобальний
- Глобально
- Зростання
- Мати
- має
- he
- допомога
- допомогу
- високоякісний
- його
- Головна
- господар
- відбувся
- ГОДИННИК
- Як
- How To
- HTML
- HTTP
- HTTPS
- ІКТ
- ідеї
- if
- зображення
- генерація зображень
- зображень
- уяву
- здійснювати
- реалізація
- імпорт
- in
- У тому числі
- включати
- промисловості
- промисловість
- Точка перегину
- інформація
- Інфраструктура
- встановлювати
- установка
- встановлений
- екземпляр
- замість
- інтегрувати
- інтеграцій
- взаємодіє
- інтерфейс
- в
- запрошувати
- питання
- IT
- приєднання
- спільна
- JPG
- json
- корейський
- посадка
- цільової сторінки
- мова
- мови
- великий
- пізніше
- останній
- запуск
- запущений
- запуск
- вести
- лідер
- Керівництво
- Веде за собою
- УЧИТЬСЯ
- вивчення
- Залишати
- бібліотека
- ліцензія
- ліцензії
- як
- МЕЖА
- Лінія
- список
- Прослуховування
- списки
- загрузка
- місцевий
- розташований
- машина
- навчання за допомогою машини
- Машинки для перманенту
- made
- головний
- зробити
- РОБОТИ
- управляти
- управління
- менеджер
- багато
- масивний
- Меню
- може бути
- мігрувати
- міграція
- протокол
- MIT
- ML
- Техніка ML
- модель
- моделювання
- Моделі
- модернізувати
- модифікований
- більше
- кіно
- множинний
- музика
- повинен
- ім'я
- Природний
- Природна мова
- Природне покоління мови
- Розуміння природної мови
- природа
- навігація
- Необхідність
- потреби
- мережу
- Нові
- наступний
- NLG
- nlu
- вузол
- ноутбуки
- зараз
- номер
- of
- Пропозиції
- on
- ONE
- постійний
- тільки
- з відкритим вихідним кодом
- Програмне забезпечення з відкритим кодом
- Відкриється
- or
- порядок
- організація
- оригінал
- Інше
- наші
- вихід
- над
- огляд
- власний
- пакет
- сторінка
- pane
- парадигма
- параметр
- параметри
- партнер
- партнери
- Проходження
- виконувати
- фаза
- телефон
- картина
- план
- платформа
- plato
- Інформація про дані Платона
- PlatoData
- точка
- можливість
- пошта
- потенціал
- Харчування
- потужний
- передумови
- друк
- попередній
- приватний
- Проблема
- Production
- Програмування
- мови програмування
- проект
- проектів
- забезпечувати
- забезпечує
- громадськість
- Публічна хмара
- публічно
- Python
- запити
- швидко
- діапазон
- швидко
- швидко
- готовий
- нещодавно
- називають
- про
- регіон
- пов'язаний
- Сховище
- вимагається
- Вимога
- ресурс
- ресурси
- ті
- огляд
- революційні
- право
- Роль
- корінь
- прогін
- біг
- мудрець
- продажів
- то ж
- шкала
- науково-фантастичний
- наука
- подряпати
- Sdk
- другий
- seconds
- розділ
- безпеку
- побачити
- Насіння
- SELF
- старший
- настрій
- Сеул
- Без сервера
- Сервери
- обслуговування
- Послуги
- комплект
- установка
- Поділитись
- зсув
- Повинен
- Показувати
- показав
- показаний
- Шоу
- простий
- з
- Сінгапур
- Розмір
- невеликий
- EMS
- So
- Софтвер
- розробка програмного забезпечення
- рішення
- Рішення
- деякі
- Source
- Простір
- спеціаліст
- конкретний
- зазначений
- стабільний
- стек
- Стеки
- standard
- почалася
- введення в експлуатацію
- Стартапи
- Крок
- заходи
- Стоп
- зберігання
- зберігати
- зберігати
- магазинів
- історії
- Стратегія
- структура
- підмережі
- підтримка
- Переконайтеся
- Systems
- приймає
- Завдання
- завдання
- команда
- технічний
- методи
- Технології
- Технологія
- розповідає
- Шаблони
- тест
- Тести
- генерація тексту
- Що
- Команда
- їх
- Їх
- потім
- Ці
- це
- через
- час
- велетень
- до
- Інструментарій
- інструменти
- традиційний
- традиційний
- поїзд
- навчений
- Навчання
- Перетворення
- Тенденції
- правда
- по-справжньому
- ПЕРЕГЛЯД
- підручник
- два
- тип
- Типи
- типовий
- типово
- при
- розуміння
- представила
- оновлення
- модернізація
- використання
- використання випадку
- використовуваний
- користувач
- Інтерфейс користувача
- використання
- використовувати
- різний
- величезний
- перевірити
- версія
- через
- Відео
- вид
- Віртуальний
- фактично
- візит
- хотіти
- було
- спостереження
- шлях..
- we
- Web
- Веб-додаток
- веб-сервіси
- ДОБРЕ
- який
- в той час як
- широкий
- Широкий діапазон
- широко поширений
- Вікіпедія
- волі
- windows
- з
- без
- Work
- працював
- Робочі процеси
- робоча станція
- років
- ви
- вашу
- зефірнет
- зони