Dự báo Amazon là một dịch vụ được quản lý hoàn toàn, sử dụng công nghệ máy học (ML) để tạo dự báo có độ chính xác cao mà không yêu cầu bất kỳ kinh nghiệm ML nào trước đó. Dự báo có thể áp dụng trong nhiều trường hợp sử dụng khác nhau, bao gồm ước tính cung và cầu để quản lý hàng tồn kho, dự báo nhu cầu đi lại, lập kế hoạch lực lượng lao động và sử dụng cơ sở hạ tầng điện toán đám mây.
Bạn có thể sử dụng Dự báo để tiến hành liền mạch các phân tích giả định nhanh hơn tới 80% để phân tích và định lượng tác động tiềm tàng của các đòn bẩy kinh doanh đối với dự báo nhu cầu của bạn. Phân tích giả định giúp bạn điều tra và giải thích các kịch bản khác nhau có thể ảnh hưởng như thế nào đến dự báo cơ sở do Dự báo tạo. Với Dự báo, không có máy chủ để cung cấp hoặc mô hình ML để xây dựng thủ công. Ngoài ra, bạn chỉ trả tiền cho những gì bạn sử dụng và không có phí tối thiểu hoặc cam kết trả trước. Để sử dụng Dự báo, bạn chỉ cần cung cấp dữ liệu lịch sử cho những gì bạn muốn dự báo và, nếu muốn, bất kỳ dữ liệu bổ sung nào mà bạn cho rằng có thể ảnh hưởng đến dự báo của mình.
Các nhà cung cấp dịch vụ cấp nước có một số trường hợp sử dụng dự báo, nhưng chính trong số đó là dự đoán mức tiêu thụ nước trong một khu vực hoặc tòa nhà để đáp ứng nhu cầu. Ngoài ra, điều quan trọng đối với các nhà cung cấp dịch vụ tiện ích là phải dự báo nhu cầu tiêu thụ gia tăng do có thêm nhiều căn hộ trong một tòa nhà hoặc nhiều ngôi nhà hơn trong khu vực. Dự đoán chính xác mức tiêu thụ nước là rất quan trọng để tránh bất kỳ gián đoạn dịch vụ nào cho khách hàng.
Bài đăng này khám phá việc sử dụng Dự báo để giải quyết trường hợp sử dụng này bằng cách sử dụng dữ liệu chuỗi thời gian lịch sử.
Tổng quan về giải pháp
Nước là tài nguyên thiên nhiên và rất quan trọng đối với công nghiệp, nông nghiệp, hộ gia đình và cuộc sống của chúng ta. Dự báo tiêu thụ nước chính xác là rất quan trọng để đảm bảo rằng một cơ quan có thể điều hành các hoạt động hàng ngày một cách hiệu quả. Dự báo mức tiêu thụ nước đặc biệt khó khăn vì nhu cầu luôn thay đổi và sự thay đổi thời tiết theo mùa có thể có tác động. Dự đoán chính xác mức tiêu thụ nước là rất quan trọng để khách hàng không gặp phải bất kỳ sự gián đoạn dịch vụ nào và để cung cấp dịch vụ ổn định trong khi vẫn duy trì mức giá thấp. Dự báo được cải thiện cho phép bạn lập kế hoạch trước để cấu trúc các hợp đồng tương lai hiệu quả hơn về chi phí. Sau đây là hai trường hợp sử dụng phổ biến nhất:
- Quản lý nhu cầu tốt hơn – Là một cơ quan cung cấp tiện ích, bạn cần tìm sự cân bằng giữa cung và cầu nước. Cơ quan thu thập thông tin như số người sống trong một căn hộ và số căn hộ trong một tòa nhà trước khi cung cấp dịch vụ. Là một cơ quan tiện ích, bạn phải cân bằng tổng cung và cầu. Bạn cần dự trữ đủ nước để đáp ứng nhu cầu. Hơn nữa, dự báo nhu cầu đã trở nên khó khăn hơn vì những lý do sau:
- Nhu cầu không phải lúc nào cũng ổn định và thay đổi trong ngày. Ví dụ, lượng nước tiêu thụ vào nửa đêm ít hơn nhiều so với buổi sáng.
- Thời tiết cũng có thể có tác động đến mức tiêu thụ chung. Ví dụ, lượng nước tiêu thụ vào mùa hè cao hơn so với mùa đông ở bán cầu bắc và ngược lại ở bán cầu nam.
- Không có đủ lượng mưa hoặc cơ chế lưu trữ nước (hồ, hồ chứa), hoặc lọc nước không đủ. Trong mùa hè, không phải lúc nào cầu cũng theo kịp cung. Các cơ quan cấp nước phải dự báo cẩn thận để có được các nguồn khác, có thể tốn kém hơn. Do đó, điều quan trọng đối với các cơ quan tiện ích là tìm các nguồn nước thay thế như thu nước mưa, thu nước ngưng tụ từ các thiết bị xử lý không khí hoặc thu hồi nước thải.
- Tiến hành phân tích what-if cho nhu cầu gia tăng – Nhu cầu sử dụng nước tăng cao do nhiều nguyên nhân. Điều này bao gồm sự kết hợp giữa tăng trưởng dân số, phát triển kinh tế và thay đổi mô hình tiêu dùng. Hãy tưởng tượng một kịch bản trong đó một tòa nhà chung cư hiện tại xây dựng một phần mở rộng và số lượng hộ gia đình và người dân tăng theo một tỷ lệ nhất định. Bây giờ bạn cần thực hiện một phân tích để dự báo nguồn cung cho nhu cầu gia tăng. Điều này cũng giúp bạn thực hiện một hợp đồng hiệu quả về chi phí cho nhu cầu gia tăng.
Dự báo có thể là một thách thức vì trước tiên bạn cần các mô hình chính xác để dự báo nhu cầu và sau đó là một cách nhanh chóng và đơn giản để tái tạo dự báo trong một loạt các tình huống.
Bài đăng này tập trung vào một giải pháp để thực hiện dự báo mức tiêu thụ nước và phân tích giả định. Bài đăng này không xem xét dữ liệu thời tiết để đào tạo người mẫu. Tuy nhiên, bạn có thể thêm dữ liệu thời tiết, dựa trên mối tương quan của nó với mức tiêu thụ nước.
Điều kiện tiên quyết
Trước khi bắt đầu, chúng tôi thiết lập tài nguyên của mình. Đối với bài đăng này, chúng tôi sử dụng Vùng us-East-1.
- tạo một Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) để lưu trữ dữ liệu chuỗi thời gian lịch sử. Để biết hướng dẫn, hãy tham khảo Tạo nhóm S3 đầu tiên của bạn.
- Tải xuống tệp dữ liệu từ Repo GitHub và tải lên vùng lưu trữ S3 mới được tạo.
- Tạo một cái mới Quản lý truy cập và nhận dạng AWS (TÔI LÀ) vai trò. Để được hướng dẫn, xem Thiết lập quyền cho Amazon Forecast. Đảm bảo cung cấp tên của bộ chứa S3 của bạn.
Tạo một nhóm tập dữ liệu và tập dữ liệu
Bài đăng này trình bày hai trường hợp sử dụng liên quan đến dự báo nhu cầu nước: dự báo nhu cầu nước dựa trên mức tiêu thụ nước trong quá khứ và tiến hành phân tích điều gì xảy ra nếu nhu cầu gia tăng.
Dự báo có thể chấp nhận ba loại tập dữ liệu: chuỗi thời gian mục tiêu (TTS), chuỗi thời gian liên quan (RTS) và siêu dữ liệu mục (IM). Dữ liệu chuỗi thời gian mục tiêu xác định nhu cầu trước đây đối với các tài nguyên mà bạn đang dự đoán. Tập dữ liệu chuỗi thời gian đích là bắt buộc. Tập dữ liệu chuỗi thời gian có liên quan bao gồm dữ liệu chuỗi thời gian không có trong tập dữ liệu chuỗi thời gian mục tiêu và có thể cải thiện độ chính xác của công cụ dự đoán của bạn.
Trong ví dụ của chúng tôi, tập dữ liệu chuỗi thời gian đích chứa các thứ nguyên item_id và dấu thời gian, đồng thời tập dữ liệu chuỗi thời gian có liên quan bổ sung bao gồm no_of_consumer. Một lưu ý quan trọng với tập dữ liệu này: TTS kết thúc vào 2023-01-01 và RTS kết thúc vào 2023-01-15. Khi thực hiện các kịch bản what-if, điều quan trọng là thao tác các biến RTS ngoài khoảng thời gian đã biết của bạn trong TTS.
Để tiến hành phân tích what-if, chúng tôi cần nhập hai tệp CSV biểu thị dữ liệu chuỗi thời gian đích và dữ liệu chuỗi thời gian có liên quan. Tệp chuỗi thời gian mục tiêu mẫu của chúng tôi chứa item_id, dấu thời gian và nhu cầu, còn tệp chuỗi thời gian liên quan của chúng tôi chứa item_id, dấu thời gian và no_of người tiêu dùng của sản phẩm.
Để nhập dữ liệu của bạn, hãy hoàn thành các bước sau:
- Trên bảng điều khiển Dự báo, chọn Xem các nhóm tập dữ liệu.
- Chọn Tạo nhóm tập dữ liệu.
- Trong Tên nhóm tập dữ liệu, nhập tên (cho bài đăng này,
water_consumption_datasetgroup
). - Trong Miền dự báo, chọn một miền dự báo (cho bài đăng này, Tuỳ chỉnh).
- Chọn Sau.
- trên Tạo tập dữ liệu chuỗi thời gian mục tiêu trang, hãy cung cấp tên tập dữ liệu, tần suất dữ liệu của bạn và lược đồ dữ liệu.
- trên Chi tiết nhập tập dữ liệu trang, hãy nhập tên nhập tập dữ liệu.
- Trong Nhập loại tệp, lựa chọn CSV và nhập vị trí dữ liệu.
- Chọn vai trò IAM mà bạn đã tạo trước đó làm điều kiện tiên quyết.
- Chọn Bắt đầu.
Bạn được chuyển hướng đến trang tổng quan mà bạn có thể sử dụng để theo dõi tiến trình.
- Để nhập tệp chuỗi thời gian liên quan, trên trang tổng quan, hãy chọn Nhập khẩu.
- trên Tạo tập dữ liệu chuỗi thời gian có liên quan , cung cấp tên tập dữ liệu và lược đồ dữ liệu.
- trên Chi tiết nhập tập dữ liệu trang, hãy nhập tên nhập tập dữ liệu.
- Trong Nhập loại tệp, lựa chọn CSV và nhập vị trí dữ liệu.
- Chọn vai trò IAM mà bạn đã tạo trước đó.
- Chọn Bắt đầu.
Đào tạo một nhà dự đoán
Tiếp theo, chúng tôi đào tạo một người dự đoán.
- Trên trang tổng quan, hãy chọn Bắt đầu Dưới Đào tạo một nhà dự đoán.
- trên Dự đoán tàu trang, hãy nhập tên cho công cụ dự đoán của bạn.
- Chỉ định thời gian bạn muốn dự báo trong tương lai và với tần suất như thế nào.
- Chỉ định số lượng phân vị mà bạn muốn dự báo.
Dự báo sử dụng AutoPredictor để tạo dự đoán. Để biết thêm thông tin, hãy tham khảo Huấn luyện dự đoán.
- Chọn Tạo.
Tạo dự báo
Sau khi người dự đoán của chúng tôi được đào tạo (quá trình này có thể mất khoảng 3.5 giờ), chúng tôi tạo dự báo. Bạn sẽ biết rằng người dự đoán của bạn đã được đào tạo khi bạn thấy Xem dự đoán trên trang tổng quan của bạn.
- Chọn Bắt đầu Dưới Tạo dự đoán trên bảng điều khiển.
- trên Tạo dự báo trang, hãy nhập tên dự báo.
- Trong Predictor, hãy chọn công cụ dự đoán mà bạn đã tạo.
- Tùy chọn, chỉ định lượng phân vị dự báo.
- Chỉ định các mục để tạo dự báo.
- Chọn Bắt đầu.
Truy vấn dự báo của bạn
Bạn có thể truy vấn một dự báo bằng cách sử dụng Dự báo truy vấn lựa chọn. Theo mặc định, phạm vi đầy đủ của dự báo được trả về. Bạn có thể yêu cầu một phạm vi ngày cụ thể trong dự báo đầy đủ. Khi truy vấn dự báo, bạn phải chỉ định tiêu chí lọc. Bộ lọc là một cặp khóa-giá trị. Khóa là một trong các tên thuộc tính lược đồ (bao gồm cả thứ nguyên dự báo) từ một trong các tập dữ liệu được sử dụng để tạo dự báo. Giá trị là một giá trị hợp lệ cho khóa được chỉ định. Bạn có thể chỉ định nhiều cặp khóa-giá trị. Dự báo được trả về sẽ chỉ chứa các mục đáp ứng tất cả các tiêu chí.
- Chọn Dự báo truy vấn trên bảng điều khiển.
- Cung cấp tiêu chí lọc cho ngày bắt đầu và ngày kết thúc.
- Chỉ định khóa và giá trị dự báo của bạn.
- Chọn Nhận dự báo.
Ảnh chụp màn hình sau đây hiển thị mức tiêu thụ năng lượng dự báo cho cùng một căn hộ (mục ID A_10001) bằng cách sử dụng mô hình dự báo.
Tạo phân tích điều gì xảy ra nếu xảy ra
Tại thời điểm này, chúng tôi đã tạo dự báo cơ sở của mình, giờ đây có thể tiến hành phân tích giả sử. Hãy tưởng tượng một kịch bản trong đó một tòa nhà chung cư hiện có thêm một phần mở rộng và số lượng hộ gia đình và người dân tăng 20%. Bây giờ bạn cần thực hiện phân tích để dự báo nguồn cung tăng dựa trên nhu cầu tăng.
Có ba giai đoạn để tiến hành phân tích điều gì xảy ra nếu: thiết lập phân tích, tạo dự báo điều gì xảy ra bằng cách xác định những gì được thay đổi trong kịch bản và so sánh kết quả.
- Để thiết lập phân tích của bạn, hãy chọn Khám phá phân tích điều gì xảy ra nếu xảy ra trên bảng điều khiển.
- Chọn Tạo.
- Nhập một tên duy nhất và chọn dự báo cơ sở.
- Chọn các mục trong tập dữ liệu của bạn mà bạn muốn tiến hành phân tích điều gì sẽ xảy ra. Bạn có hai lựa chọn:
- Chọn tất cả các mục là mặc định, chúng tôi chọn trong bài đăng này.
- Nếu bạn muốn chọn các mục cụ thể, hãy chọn Chọn các mục với một tệp và nhập tệp CSV chứa số nhận dạng duy nhất cho mặt hàng tương ứng và mọi thứ nguyên được liên kết.
- Chọn Tạo phân tích điều gì xảy ra nếu.
Tạo dự báo điều gì xảy ra nếu xảy ra
Tiếp theo, chúng tôi tạo dự báo điều gì sẽ xảy ra để xác định kịch bản mà chúng tôi muốn phân tích.
- Trong tạp chí dự đoán điều gì xảy ra nếu phần, chọn Tạo.
- Nhập tên cho kịch bản của bạn.
- Bạn có thể xác định kịch bản của mình thông qua hai tùy chọn:
- Sử dụng các hàm chuyển đổi – Sử dụng trình tạo chuyển đổi để chuyển đổi dữ liệu chuỗi thời gian liên quan mà bạn đã nhập. Đối với hướng dẫn này, chúng tôi đánh giá nhu cầu đối với một mặt hàng trong tập dữ liệu của chúng tôi thay đổi như thế nào khi số lượng người tiêu dùng tăng 20% so với giá trong dự báo cơ sở.
- Xác định dự báo điều gì sẽ xảy ra với tập dữ liệu thay thế - Thay thế tập dữ liệu chuỗi thời gian liên quan mà bạn đã nhập.
Ví dụ của chúng tôi, chúng tôi tạo một kịch bản trong đó chúng tôi tăng no_of_consumer
bằng 20% áp dụng cho ID mặt hàng A_10001
và no_of_consumer
là một tính năng trong tập dữ liệu. Bạn cần phân tích này để dự báo và đáp ứng nguồn cung cấp nước cho nhu cầu gia tăng. Phân tích này cũng giúp bạn thực hiện một hợp đồng hiệu quả về chi phí dựa trên dự báo nhu cầu nước.
- Trong Phương pháp xác định dự báo điều gì sẽ xảy ra, lựa chọn Sử dụng các hàm chuyển đổi.
- Chọn Nhân với tư cách là toán tử của chúng tôi, no_of_consumer làm chuỗi thời gian của chúng tôi và nhập 1.2.
- Chọn Thêm điều kiện.
- Chọn equals làm thao tác và nhập A_10001 cho item_id.
- Chọn Tạo.
So sánh các dự báo
Giờ đây, chúng tôi có thể so sánh các dự báo giả định cho cả hai kịch bản của mình, so sánh mức tăng 20% của người tiêu dùng với nhu cầu cơ bản.
- Trên trang thông tin chi tiết về phân tích, điều hướng đến So sánh các dự báo điều gì xảy ra nếu xảy ra phần.
- Trong item_id, nhập mục để phân tích (trong kịch bản của chúng tôi, nhập
A_10001
). - Trong Dự báo điều gì xảy ra nếu, chọn
water_demand_whatif_analyis
. - Chọn So sánh cái-nếu.
- Bạn có thể chọn dự báo cơ sở để phân tích.
Biểu đồ sau đây cho thấy nhu cầu kết quả cho kịch bản của chúng tôi. Đường màu đỏ thể hiện dự báo mức tiêu thụ nước trong tương lai đối với dân số tăng 20%. Loại dự báo P90 cho biết giá trị thực dự kiến sẽ thấp hơn giá trị dự đoán trong 90% thời gian. Bạn có thể sử dụng dự báo nhu cầu này để quản lý hiệu quả việc cung cấp nước cho nhu cầu gia tăng và tránh mọi gián đoạn dịch vụ.
Xuất dữ liệu của bạn
Để xuất dữ liệu của bạn sang CSV, hãy hoàn thành các bước sau:
- Chọn Tạo xuất.
- Nhập tên cho tệp xuất của bạn (cho bài đăng này,
water_demand_export
). - Chỉ định các kịch bản sẽ được xuất bằng cách chọn các kịch bản trên Dự báo điều gì sẽ xảy ra trình đơn thả xuống.
Bạn có thể xuất nhiều kịch bản cùng lúc trong một tệp kết hợp.
- Trong Xuất vị trí, chỉ định vị trí Amazon S3.
- Để bắt đầu xuất, hãy chọn Tạo xuất khẩu.
- Để tải xuống bản xuất, hãy điều hướng đến vị trí đường dẫn tệp S3 trên bảng điều khiển Amazon S3, chọn tệp và chọn Tải về.
Tệp xuất sẽ chứa timestamp
, item_id
và forecasts
cho mỗi phân vị cho tất cả các kịch bản được chọn (bao gồm cả kịch bản cơ sở).
Dọn dẹp tài nguyên
Để tránh phát sinh phí trong tương lai, hãy xóa các tài nguyên do giải pháp này tạo ra:
- Xóa tài nguyên Dự báo bạn đã tạo.
- Xóa bộ chứa S3.
Kết luận
Trong bài đăng này, chúng tôi đã chỉ cho bạn cách dễ dàng sử dụng Dự báo và kiến trúc hệ thống cơ bản của nó để dự đoán nhu cầu nước bằng cách sử dụng dữ liệu tiêu thụ nước. Phân tích tình huống giả định là một công cụ quan trọng để giúp điều hướng qua những điều không chắc chắn trong kinh doanh. Nó cung cấp tầm nhìn xa và một cơ chế để kiểm tra căng thẳng các ý tưởng, giúp các doanh nghiệp linh hoạt hơn, chuẩn bị tốt hơn và kiểm soát tương lai của họ. Các nhà cung cấp tiện ích khác như nhà cung cấp điện hoặc khí đốt có thể sử dụng Dự báo để xây dựng giải pháp và đáp ứng nhu cầu tiện ích theo cách tiết kiệm chi phí.
Các bước trong bài đăng này đã trình bày cách xây dựng giải pháp trên Bảng điều khiển quản lý AWS. Để trực tiếp sử dụng API Dự báo để xây dựng giải pháp, hãy làm theo sổ ghi chép trong Repo GitHub.
Chúng tôi khuyến khích bạn tìm hiểu thêm bằng cách truy cập Hướng dẫn dành cho nhà phát triển dự báo Amazon và thử giải pháp end-to-end được các dịch vụ này kích hoạt với tập dữ liệu có liên quan đến KPI doanh nghiệp của bạn.
Lưu ý
Dhiraj Thakur là Kiến trúc sư Giải pháp với Dịch vụ Web của Amazon. Anh làm việc với các khách hàng và đối tác của AWS để cung cấp hướng dẫn về chiến lược, di chuyển và áp dụng đám mây dành cho doanh nghiệp. Anh ấy đam mê công nghệ và thích xây dựng và thử nghiệm trong không gian phân tích và AI / ML.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- Giới thiệu
- Chấp nhận
- truy cập
- chính xác
- chính xác
- chính xác
- có được
- ngang qua
- thêm
- thêm vào
- Ngoài ra
- địa chỉ
- Thêm
- Nhận con nuôi
- ảnh hưởng đến
- cơ quan
- cơ quan
- nông nghiệp
- trước
- AI / ML
- KHÔNG KHÍ
- Tất cả
- thay thế
- luôn luôn
- đàn bà gan dạ
- Dự báo Amazon
- Amazon Web Services
- trong số
- phân tích
- phân tích
- phân tích
- và
- Căn Hộ
- căn hộ
- API
- áp dụng
- khoảng
- kiến trúc
- KHU VỰC
- xung quanh
- liên kết
- tránh
- AWS
- Cân đối
- cơ sở
- dựa
- Baseline
- bởi vì
- trở nên
- trước
- Tin
- Hơn
- giữa
- Ngoài
- xây dựng
- xây dựng
- Xây dựng
- xây dựng
- kinh doanh
- các doanh nghiệp
- nút
- Chụp
- cẩn thận
- trường hợp
- trường hợp
- nhất định
- thách thức
- Những thay đổi
- thay đổi
- tải
- Chọn
- đám mây
- áp dụng đám mây
- cơ sở hạ tầng đám mây
- thu thập
- kết hợp
- kết hợp
- cam kết
- Chung
- so sánh
- so
- so sánh
- bổ túc
- hoàn thành
- máy tính
- Tiến hành
- Tiến hành
- Hãy xem xét
- An ủi
- người tiêu dùng
- Người tiêu dùng
- tiêu thụ
- chứa
- hợp đồng
- hợp đồng
- điều khiển
- Tương quan
- Tương ứng
- chi phí-hiệu quả
- tạo
- tạo ra
- Tạo
- tiêu chuẩn
- quan trọng
- khách hàng
- khách hàng
- bảng điều khiển
- dữ liệu
- bộ dữ liệu
- Ngày
- ngày
- Mặc định
- Xác định
- xác định
- Nhu cầu
- Dự báo nhu cầu
- chứng minh
- Nhà phát triển
- Phát triển
- khác nhau
- kích thước
- trực tiếp
- Không
- miền
- dont
- tải về
- suốt trong
- năng động
- mỗi
- Sớm hơn
- Kinh tế
- Phát triển kinh tế
- hiệu quả
- hiệu quả
- điện
- kích hoạt
- cho phép
- khuyến khích
- Cuối cùng đến cuối
- kết thúc
- năng lượng
- Tiêu thụ năng lượng
- đủ
- đăng ký hạng mục thi
- Doanh nghiệp
- Ether (ETH)
- đánh giá
- ví dụ
- hiện tại
- dự kiến
- đắt tiền
- kinh nghiệm
- Giải thích
- xuất khẩu
- mở rộng
- Đối mặt
- nhanh hơn
- Đặc tính
- chi phí
- Tập tin
- Các tập tin
- lọc
- lọc
- Tìm kiếm
- Tên
- tập trung
- theo
- tiếp theo
- Dự báo
- tần số
- từ
- đầy đủ
- chức năng
- tương lai
- GAS
- tạo ra
- nhận được
- được
- đồ thị
- Nhóm
- Các nhóm
- Tăng trưởng
- Xử lý
- thu hoạch
- giúp đỡ
- giúp
- cao hơn
- cao
- lịch sử
- chân trời
- GIỜ LÀM VIỆC
- hộ gia đình
- nhà
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- HTTPS
- IAM
- ý tưởng
- định danh
- Bản sắc
- Va chạm
- nhập khẩu
- quan trọng
- nâng cao
- cải thiện
- in
- bao gồm
- bao gồm
- Bao gồm
- Tăng lên
- tăng
- Tăng
- chỉ
- ngành công nghiệp
- thông tin
- Cơ sở hạ tầng
- những hiểu biết
- hướng dẫn
- hàng tồn kho
- Quản lý kho
- điều tra
- IT
- mặt hàng
- Giữ
- Key
- Biết
- nổi tiếng
- LEARN
- học tập
- để lại
- Dòng
- cuộc sống
- sống
- địa điểm thư viện nào
- dài
- Thấp
- giá thấp
- máy
- học máy
- làm cho
- quản lý
- quản lý
- quản lý
- bắt buộc
- thủ công
- cơ chế
- Gặp gỡ
- Menu
- Siêu dữ liệu
- Might
- di cư
- tối thiểu
- ML
- kiểu mẫu
- mô hình
- chi tiết
- buổi sáng
- hầu hết
- nhiều
- tên
- tên
- Tự nhiên
- Điều hướng
- Cần
- Mới
- máy tính xách tay
- con số
- ONE
- hoạt động
- Hoạt động
- nhà điều hành
- Tùy chọn
- Các lựa chọn
- gọi món
- Nền tảng khác
- tổng thể
- cặp
- đặc biệt
- Đối tác
- đam mê
- qua
- con đường
- mô hình
- Trả
- người
- tỷ lệ phần trăm
- thực hiện
- biểu diễn
- quyền
- chọn
- kế hoạch
- lập kế hoạch
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Điểm
- dân số
- Bài đăng
- tiềm năng
- dự đoán
- dự đoán
- dự đoán
- Predictor
- chuẩn bị
- giá
- Giá
- chính
- Trước khi
- Sản phẩm
- Tiến độ
- cho
- nhà cung cấp dịch vụ
- nhà cung cấp
- cung cấp
- cung cấp
- cung cấp
- Nhanh chóng
- phạm vi
- lý do
- đỏ
- khu
- liên quan
- có liên quan
- tẩy
- thay thế
- đại diện
- yêu cầu
- đàn hồi
- tài nguyên
- Thông tin
- kết quả
- Kết quả
- tăng
- Vai trò
- chạy
- tương tự
- kịch bản
- liền mạch
- Phần
- chọn
- lựa chọn
- Loạt Sách
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- một số
- Chương trình
- Đơn giản
- So
- giải pháp
- Giải pháp
- nguồn
- Miền Nam
- Không gian
- riêng
- quy định
- ổn định
- giai đoạn
- Bắt đầu
- bắt đầu
- Các bước
- là gắn
- hàng
- Chiến lược
- cấu trúc
- đủ
- mùa hè
- cung cấp
- Cung và cầu
- hệ thống
- Hãy
- Mục tiêu
- Công nghệ
- Sản phẩm
- Khu vực
- Tương lai
- cung cấp their dịch
- vì thế
- số ba
- Thông qua
- khắp
- thời gian
- Chuỗi thời gian
- thời gian
- dấu thời gian
- đến
- công cụ
- theo dõi
- Train
- đào tạo
- Hội thảo
- Chuyển đổi
- Chuyển đổi
- đi du lịch
- đúng
- giá trị thực
- loại
- sự không chắc chắn
- Dưới
- cơ bản
- độc đáo
- các đơn vị
- Sử dụng
- sử dụng
- ca sử dụng
- tiện ích
- giá trị
- nhiều
- hương
- Nước
- Thời tiết
- web
- các dịch vụ web
- Điều gì
- Là gì
- cái nào
- trong khi
- rộng
- sẽ
- Mùa đông
- ở trong
- không có
- Lực lượng lao động
- công trinh
- trên màn hình
- zephyrnet