Bild vom Autor
In diesem Tutorial erfahren Sie, wie Sie die OpenAI-API für verschiedene Anwendungsfälle einrichten und verwenden. Das Tutorial ist so konzipiert, dass es auch für Personen mit begrenzten Kenntnissen der Python-Programmierung leicht zu befolgen ist. Wir werden untersuchen, wie jeder Antworten generieren und auf hochwertige große Sprachmodelle zugreifen kann.
Das OpenAI-API ermöglicht Entwicklern den einfachen Zugriff auf eine breite Palette von KI-Modellen, die von OpenAI entwickelt wurden. Es bietet eine benutzerfreundliche Oberfläche, die es Entwicklern ermöglicht, intelligente Funktionen, die auf modernsten OpenAI-Modellen basieren, in ihre Anwendungen zu integrieren. Die API kann für verschiedene Zwecke verwendet werden, darunter Textgenerierung, Multi-Turn-Chat, Einbettungen, Transkription, Übersetzung, Text-to-Speech, Bildverständnis und Bildgenerierung. Darüber hinaus ist die API mit Curl, Python und Node.js kompatibel.
Um mit der OpenAI API zu beginnen, müssen Sie zunächst ein Konto auf openai.com erstellen. Früher erhielt jeder Benutzer ein kostenloses Guthaben, jetzt müssen neue Benutzer Guthaben erwerben.
Um Guthaben zu erwerben, gehen Sie zu „Einstellungen“, dann zu „Abrechnung“ und schließlich zu „Zahlungsdetails hinzufügen“. Geben Sie Ihre Debit- oder Kreditkarteninformationen ein und stellen Sie sicher, dass die automatische Aufladung deaktiviert ist. Sobald Sie 10 USD aufgeladen haben, können Sie diese ein Jahr lang nutzen.
Lassen Sie uns den API-Schlüssel erstellen, indem wir zu „API-Schlüssel“ navigieren und „Neuen geheimen Schlüssel erstellen“ auswählen. Geben Sie ihm einen Namen und klicken Sie auf „Geheimen Schlüssel erstellen“.
Kopieren Sie die API und erstellen Sie eine Umgebungsvariable auf dem lokalen Computer.
Ich verwende Deepnote als meine IDE. Es ist einfach, Umgebungsvariablen zu erstellen. Gehen Sie einfach zu „Integration“, wählen Sie „Umgebungsvariable erstellen“, geben Sie einen Namen und einen Wert für den Schlüssel ein und erstellen Sie die Integration.
Als nächstes installieren wir das OpenAI Python-Paket mit pip.
%pip install --upgrade openai
Wir werden nun einen Client erstellen, der weltweit auf verschiedene Arten von Modellen zugreifen kann.
Wenn Sie Ihre Umgebungsvariable auf den Namen „OPENAI_API_KEY“ gesetzt haben, müssen Sie dem OpenAI-Client keinen API-Schlüssel bereitstellen.
from openai import OpenAI
client = OpenAI()
Bitte beachten Sie, dass Sie nur dann einen API-Schlüssel angeben sollten, wenn der Name Ihrer Umgebungsvariablen vom Standardnamen abweicht.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("SECRET_KEY"),
)
Wir werden eine Legacy-Funktion verwenden, um die Antwort zu generieren. Die Vervollständigungsfunktion erfordert den Modellnamen, die Eingabeaufforderung und andere Argumente, um die Antwort zu generieren.
completion = client.completions.create(
model="gpt-3.5-turbo-instruct",
prompt="Write a short story about Elon Musk being the biggest troll.",
max_tokens=300,
temperature=0.7,
)
print(completion.choices[0].text)
Das GPT3.5-Modell hat eine erstaunliche Geschichte über Elon Musk hervorgebracht.
Wir können unsere Antwort auch streamen, indem wir ein zusätzliches Argument „stream“ bereitstellen.
Anstatt auf die vollständige Antwort zu warten, ermöglicht die Stream-Funktion die Verarbeitung der Ausgabe, sobald sie generiert wird. Dieser Ansatz trägt dazu bei, die wahrgenommene Latenz zu reduzieren, indem die Ausgabe des Sprachmodells Token für Token und nicht alle auf einmal zurückgegeben wird.
stream = client.completions.create(
model="gpt-3.5-turbo-instruct",
prompt="Write a Python code for accessing the REST API securely.",
max_tokens=300,
temperature=0.7,
stream = True
)
for chunk in stream:
print(chunk.choices[0].text, end="")
Das Modell nutzte die API-Chat-Vervollständigung. Bevor wir die Antwort generieren, erkunden wir die verfügbaren Modelle.
Sie können die Liste aller verfügbaren Modelle einsehen oder die lesen Modelle Seite in der offiziellen Dokumentation.
print(client.models.list())
Wir werden die neueste Version von GPT-3.5 verwenden und ihr eine Liste eines Wörterbuchs für Systemaufforderungen und Benutzermeldungen zur Verfügung stellen. Stellen Sie sicher, dass Sie demselben Nachrichtenmuster folgen.
completion = client.chat.completions.create(
model="gpt-3.5-turbo-1106",
messages=[
{
"role": "system",
"content": "You are an experienced data scientist, adept at presenting complex data concepts with creativity.",
},
{
"role": "user",
"content": "What is Feature Engineering, and what are some common methods?",
},
],
)
print(completion.choices[0].message.content)
Wie wir sehen können, haben wir ein ähnliches Ergebnis wie die Legacy-API erzielt. Warum also diese API verwenden? Als Nächstes erfahren Sie, warum die Chat-Vervollständigungs-API flexibler und benutzerfreundlicher ist.
Feature engineering is the process of selecting, creating, or transforming features (variables) in a dataset to improve the performance of machine learning models. It involves identifying the most relevant and informative features and preparing them for model training. Effective feature engineering can significantly enhance the predictive power of a model and its ability to generalize to new data.
Some common methods of feature engineering include:
1. Imputation: Handling missing values in features by filling them in with meaningful values such as the mean, median, or mode of the feature.
2. One-Hot Encoding: Converting categorical variables into binary vectors to represent different categories as individual features.
3. Normalization/Standardization: Scaling numerical features to bring t.........
Wir werden nun lernen, wie wir mit unserem KI-Modell ein Gespräch mit mehreren Runden führen können. Dazu fügen wir die Antwort des Assistenten zum vorherigen Gespräch hinzu und fügen auch die neue Eingabeaufforderung im gleichen Nachrichtenformat ein. Anschließend stellen wir der Chat-Vervollständigungsfunktion eine Liste mit Wörterbüchern zur Verfügung.
chat=[
{"role": "system", "content": "You are an experienced data scientist, adept at presenting complex data concepts with creativity."},
{"role": "user", "content": "What is Feature Engineering, and what are some common methods?"}
]
chat.append({"role": "assistant", "content": str(completion.choices[0].message.content)})
chat.append({"role": "user", "content": "Can you summarize it, please?"})
completion = client.chat.completions.create(
model="gpt-3.5-turbo-1106",
messages=chat
)
print(completion.choices[0].message.content)
Das Modell hat den Kontext verstanden und das Feature Engineering für uns zusammengefasst.
Feature engineering involves selecting, creating, or transforming features in a dataset to enhance the performance of machine learning models. Common methods include handling missing values, converting categorical variables, scaling numerical features, creating new features using interactions and polynomials, selecting important features, extracting time-series and textual features, aggregating information, and reducing feature dimensionality. These techniques aim to improve the model's predictive power by refining and enriching the input features.
Um erweiterte Anwendungen zu entwickeln, müssen wir Text in Einbettungen umwandeln. Diese Einbettungen werden für Ähnlichkeitssuche, semantische Suche und Empfehlungsmaschinen verwendet. Wir können Einbettungen generieren, indem wir den API-Text und den Modellnamen bereitstellen. So einfach ist das.
text = "Data Engineering is a rapidly growing field that focuses on the collection, storage, processing, and analysis of large volumes of structured and unstructured data. It involves various tasks such as data extraction, transformation, loading (ETL), data modeling, database design, and optimization to ensure that data is accessible, accurate, and relevant for decision-making purposes."
DE_embeddings = client.embeddings.create(input=text, model="text-embedding-3-small")
print(chat_embeddings.data[0].embedding)
[0.0016297283582389355, 0.0013418874004855752, 0.04802832752466202, -0.041273657232522964, 0.02150309458374977, 0.004967313259840012,.......]
Jetzt können wir Text in Sprache und Sprache in Text umwandeln und ihn auch mithilfe der Audio-API übersetzen.
Transkriptionen
Wir werden das benutzen Wi-Fi 7 wird alles verändern YouTube-Video und konvertieren Sie es in mp3. Anschließend öffnen wir die Datei und stellen sie der Audio-Transkript-API zur Verfügung.
audio_file= open("Data/techlinked.mp3", "rb")
transcript = client.audio.transcriptions.create(
model="whisper-1",
file=audio_file
)
print(transcript.text)
Das Whisper-Modell ist erstaunlich. Es hat eine perfekte Transkription des Audios.
The Consumer Electronics Show has officially begun in Las Vegas and we'll be bringing you all the highlights from right here in our regular studio where it's safe and clean and not a desert. I hate sand. The Wi-Fi Alliance announced that they have officially confirmed the Wi-Fi 7 standard and they've already started to certify devices to ensure they work together. Unlike me and Selena, that was never gonna last. The new standard will have twice the channel bandwidth of Wi-Fi 5, 6, and 6E, making it better for, surprise,......
Übersetzungen
Wir können den englischen Ton auch in eine andere Sprache transkribieren. In unserem Fall werden wir es in die Urdu-Sprache konvertieren. Wir werden einfach ein weiteres Argument „Sprache“ hinzufügen und es mit dem ISO-Sprachcode „ur“ versehen.
translations = client.audio.transcriptions.create(
model="whisper-1",
response_format="text",
language="ur",
file=audio_file,
)
print(translations)
Die Übersetzung für nicht-lateinische Sprachen ist unvollständig, aber für ein Produkt mit minimaler Lebensfähigkeit verwendbar.
کنسومر ایلیکٹرانک شاہی نے لاس بیگیس میں شامل شروع کیا ہے اور ہم آپ کو جمہوری بہترین چیزیں اپنے ریگلر سٹوڈیو میں یہاں جارہے ہیں جہاں یہ آمید ہے اور خوبصورت ہے اور دنیا نہیں ہے مجھے سانڈ بھولتا ہے وائ فائی آلائنٹس نے اعلان کیا کہ انہوں نے وائ فائی سیبن سٹانڈرڈ کو شامل شروع کیا اور انہوں ن........
Text to Speech
Um Ihren Text in natürlich klingendes Audio umzuwandeln, verwenden wir die Sprach-API und stellen ihm den Modellnamen, den Namen des Synchronsprechers und den Eingabetext zur Verfügung. Als nächstes speichern wir die Audiodatei in unserem „Data“-Ordner.
response = client.audio.speech.create(
model="tts-1",
voice="alloy",
input= '''I see skies of blue and clouds of white
The bright blessed days, the dark sacred nights
And I think to myself
What a wonderful world
'''
)
response.stream_to_file("Data/song.mp3")
Um die Audiodatei im Deepnote Notebook anzuhören, verwenden wir die IPython Audio-Funktion.
from IPython.display import Audio
Audio("Data/song.mp3")
Die OpenAI-API bietet Benutzern über die Chat-Vervollständigungsfunktion Zugriff auf ein multimodales Modell. Um Bilder zu verstehen, können wir das neueste GPT-4-Vision-Modell verwenden.
Im Nachrichtenargument haben wir eine Aufforderung zum Stellen von Fragen zum Bild und zur Bild-URL bereitgestellt. Das Bild stammt von Pixabay. Bitte stellen Sie sicher, dass Sie dasselbe Nachrichtenformat verwenden, um Fehler zu vermeiden.
response = client.chat.completions.create(
model="gpt-4-vision-preview",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "Could you please identify this image's contents and provide its location?",
},
{
"type": "image_url",
"image_url": {
"url": "https://images.pexels.com/photos/235731/pexels-photo-235731.jpeg?auto=compress&cs=tinysrgb&w=1260&h=750&dpr=2",
},
},
],
}
],
max_tokens=300,
)
print(response.choices[0].message.content)
Die Ausgabe erklärt das Bild perfekt.
This is an image of a person carrying a large number of rice seedlings on a carrying pole. The individual is wearing a conical hat, commonly used in many parts of Asia as protection from the sun and rain, and is walking through what appears to be a flooded field or a wet area with lush vegetation in the background. The sunlight filtering through the trees creates a serene and somewhat ethereal atmosphere.
It's difficult to determine the exact location from the image alone, but this type of scene is typically found in rural areas of Southeast Asian countries like Vietnam, Thailand, Cambodia, or the Philippines, where rice farming is a crucial part of the agricultural industry and landscape.
Anstatt eine Bild-URL bereitzustellen, können wir auch eine lokale Bilddatei laden und diese der Chat-Vervollständigungs-API bereitstellen. Dazu müssen wir zunächst das Bild herunterladen Manjeet Singh Yadav von pexels.com.
!curl -o /work/Data/indian.jpg "https://images.pexels.com/photos/1162983/pexels-photo-1162983.jpeg?auto=compress&cs=tinysrgb&w=1260&h=750&dpr=2"
Anschließend laden wir das Bild und kodieren es im Base64-Format.
import base64
def encode_image(image_path):
with open(image_path, "rb") as image_file:
return base64.b64encode(image_file.read()).decode('utf-8')
image_path = "Data/indian.jpg"
# generating the base64 string
base64_image = encode_image(image_path)
Anstatt die Bild-URL bereitzustellen, stellen wir die Metadaten und den Base64-String des Bildes bereit.
response = client.chat.completions.create(
model="gpt-4-vision-preview",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "Could you please identify this image's contents.",
},
{
"type": "image_url",
"image_url": {
"url": f"data:image/jpeg;base64,{base64_image}"
},
},
],
}
],
max_tokens=100,
)
print(response.choices[0].message.content)
Das Modell hat das Bild erfolgreich analysiert und eine detaillierte Erklärung dazu geliefert.
The image shows a woman dressed in traditional Indian attire, specifically a classical Indian saree with gold and white colors, which is commonly associated with the Indian state of Kerala, known as the Kasavu saree. She is adorned with various pieces of traditional Indian jewelry including a maang tikka (a piece of jewelry on her forehead), earrings, nose ring, a choker, and other necklaces, as well as bangles on her wrists.
The woman's hairstyle features jasmine flowers arranged in
Wir können Bilder auch mit dem DALLE-3-Modell generieren. Wir müssen der Bilder-API lediglich den Modellnamen, die Eingabeaufforderung, die Größe, die Qualität und die Anzahl der Bilder bereitstellen.
response = client.images.generate(
model="dall-e-3",
prompt="a young woman sitting on the edge of a mountain",
size="1024x1024",
quality="standard",
n=1,
)
image_url = response.data[0].url
Das generierte Bild wird online gespeichert und Sie können es herunterladen, um es lokal anzuzeigen. Dazu laden wir das Bild mit der „Anfrage“-Funktion herunter und geben dabei die Bild-URL und das lokale Verzeichnis an, in dem Sie es speichern möchten. Danach verwenden wir die Image-Funktion der Pillow-Bibliothek, um das Bild zu öffnen und anzuzeigen.
import urllib.request
from PIL import Image
urllib.request.urlretrieve(image_url, '/work/Data/woman.jpg')
img = Image.open('/work/Data/woman.jpg')
img.show()
Wir haben ein qualitativ hochwertiges generiertes Bild erhalten. Es ist einfach unglaublich!
Wenn Sie Schwierigkeiten haben, eine der OpenAI-Python-APIs auszuführen, schauen Sie sich gerne mein Projekt an Tiefennote.
Ich experimentiere schon seit einiger Zeit mit OpenAPI und am Ende haben wir nur 0.22 Dollar Guthaben verbraucht, was ich recht erschwinglich finde. Mit meinem Leitfaden können auch Anfänger mit der Erstellung eigener KI-Anwendungen beginnen. Es ist ein einfacher Prozess – Sie müssen Ihr eigenes Modell nicht trainieren oder bereitstellen. Über die API, die mit jedem neuen Release kontinuierlich verbessert wird, können Sie auf modernste Modelle zugreifen.
In diesem Leitfaden erfahren Sie, wie Sie die OpenAI-Python-API einrichten und einfache Textantworten generieren. Wir erfahren auch etwas über Multiturn-Chat, Einbettungen, Transkription, Übersetzung, Text-to-Speech, Vision und APIs zur Bildgenerierung.
Lassen Sie es mich wissen, wenn Sie möchten, dass ich diese APIs zum Erstellen einer erweiterten KI-Anwendung verwende.
Vielen Dank für das Lesen.
Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der es liebt, Modelle für maschinelles Lernen zu erstellen. Derzeit konzentriert er sich auf die Erstellung von Inhalten und schreibt technische Blogs zu maschinellem Lernen und Data-Science-Technologien. Abid hat einen Master-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Vision ist es, ein KI-Produkt mit einem grafisch-neuronalen Netzwerk für Schüler zu entwickeln, die mit psychischen Erkrankungen zu kämpfen haben.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://www.kdnuggets.com/openai-api-for-beginners-your-easy-to-follow-starter-guide?utm_source=rss&utm_medium=rss&utm_campaign=openai-api-for-beginners-your-easy-to-follow-starter-guide
- :hast
- :Ist
- :nicht
- :Wo
- $UP
- 1
- 10
- 12
- 13
- 14
- 16
- 17
- 19
- 2%
- 20
- 21
- 22
- 5
- 6
- 7
- 8
- 9
- a
- Fähigkeit
- Über uns
- darüber
- Zugang
- zugänglich
- Zugriff
- Konto
- genau
- hinzufügen
- zusätzlich
- geschickt
- advanced
- Ranking
- Nach der
- aggregierend
- Landwirtschaftlich
- AI
- KI-Modelle
- Ziel
- Alle
- Allianz
- erlaubt
- Legierung
- allein
- bereits
- ebenfalls
- erstaunlich
- an
- Analyse
- analysiert
- machen
- angekündigt
- Ein anderer
- jedem
- jemand
- Bienen
- APIs
- erscheint
- Anwendung
- Anwendungen
- Ansatz
- SIND
- Bereich
- Bereiche
- Argument
- Argumente
- vereinbart worden
- AS
- Asien
- asiatisch
- fragen
- Assistentin
- damit verbundenen
- At
- Atmosphäre
- Audio-
- verfügbar
- vermeiden
- Hintergrund
- Bandbreite
- BE
- war
- Bevor
- Anfänger
- begonnen
- Sein
- Besser
- Größte
- Rechnungs-
- binär
- gesegnet
- Blogs
- Blau
- Hell
- bringen
- Bringing
- bauen
- Building
- aber
- by
- Kambodscha
- CAN
- Karte
- Tragen
- Häuser
- Fälle
- Kategorien
- Zertifzierte
- bestätigen
- Übernehmen
- Kanal
- Chat
- aus der Ferne überprüfen
- reinigen
- klicken Sie auf
- Auftraggeber
- Code
- Sammlung
- COM
- gemeinsam
- häufig
- kompatibel
- abschließen
- Abschluss
- Komplex
- begreifen
- Konzepte
- BESTÄTIGT
- Verbraucher
- Unterhaltungselektronik
- Inhalt
- Inhaltserstellung
- Inhalt
- Kontext
- ständig
- Gespräch
- verkaufen
- Umwandlung
- könnte
- Ländern
- Abdeckung
- erstellen
- schafft
- Erstellen
- Schaffung
- Kreativität
- Kredit
- Kreditkarte
- wichtig
- Zur Zeit
- Dunkel
- technische Daten
- Datenwissenschaft
- Datenwissenschaftler
- Datenbase
- Tage
- Soll
- Decision Making
- def
- Standard
- Grad
- einsetzen
- WÜSTE
- Design
- entworfen
- detailliert
- Details
- Bestimmen
- entwickeln
- entwickelt
- Entwickler
- Geräte
- anders
- schwer
- Display
- do
- Dokumentation
- Dollar
- Don
- herunterladen
- jeder
- einfacher
- leicht
- Einfache
- Edge
- Effektiv
- Elektronik
- Elon
- Elon Musk
- Einbettung
- ermöglicht
- Codierung
- beendet
- Entwicklung
- Motor (en)
- Englisch
- zu steigern,
- bereichernd
- gewährleisten
- Enter
- Arbeitsumfeld
- Fehler
- Äther (ETH)
- ätherisch
- Sogar
- Jedes
- genau
- erfahrensten
- Experimentieren
- Erklären
- Erklärung
- ERKUNDEN
- extra
- Extraktion
- Landwirtschaft
- Merkmal
- Eigenschaften
- fühlen
- Feld
- Reichen Sie das
- Füllung
- Filterung
- Endlich
- Finden Sie
- Vorname
- flexibel
- überschwemmt
- konzentriert
- Fokussierung
- folgen
- Aussichten für
- Stirn
- Format
- gefunden
- Frei
- für
- Funktion
- erzeugen
- erzeugt
- Erzeugung
- Generation
- bekommen
- gif
- ABSICHT
- gegeben
- Global
- Go
- Gold
- Graph
- Graph Neuronales Netzwerk
- persönlichem Wachstum
- Guide
- Handling
- Hut
- hassen
- Haben
- he
- hilft
- hier (auf dänisch)
- hier
- hochwertige
- Highlights
- seine
- hält
- Ultraschall
- Hilfe
- HTTPS
- i
- identifizieren
- Identifizierung
- if
- Krankheit
- Image
- Bilderzeugung
- Bilder
- importieren
- wichtig
- zu unterstützen,
- Verbesserung
- in
- das
- Einschließlich
- integrieren
- Indisch
- Krankengymnastik
- Energiegewinnung
- Information
- informativ
- Varianten des Eingangssignals:
- installieren
- Integration
- Intelligent
- Interaktionen
- Schnittstelle
- in
- beinhaltet
- ISO
- IT
- SEINE
- Schmuck
- jpg
- nur
- KDnuggets
- Wesentliche
- Tasten
- Wissen
- Wissen
- bekannt
- Landschaft
- Sprache
- Sprachen
- grosse
- LAS
- Las Vegas
- Nachname
- Latency
- neueste
- LERNEN
- lernen
- Legacy
- lassen
- Bibliothek
- Gefällt mir
- Limitiert
- Liste
- ll
- Belastung
- Laden
- aus einer regionalen
- örtlich
- Standorte
- liebt
- Maschine
- Maschinelles Lernen
- um
- Making
- Management
- viele
- Master
- me
- bedeuten
- sinnvoll
- geistig
- Geisteskrankheit
- Nachricht
- Nachrichten
- Metadaten
- Methoden
- Minimum
- Minimum lebensfähiges Produkt
- Kommt demnächst...
- Model
- Modell
- Modellieren
- für
- mehr
- vor allem warme
- Mountain
- Moschus
- my
- mich
- Name
- navigieren
- Need
- Netzwerk
- Neural
- neuronale Netzwerk
- hört niemals
- Neu
- Neue Funktionen
- neue Nutzer
- weiter
- Knoten
- Node.js
- Nase
- beachten
- Notizbuch
- jetzt an
- Anzahl
- of
- offiziell
- Offiziell
- on
- einmal
- EINEM
- Online
- einzige
- XNUMXh geöffnet
- OpenAI
- Optimierung
- or
- OS
- Andere
- UNSERE
- Möglichkeiten für das Ausgangssignal:
- besitzen
- Paket
- Seite
- Teil
- Teile
- Schnittmuster
- Zahlung
- wahrgenommen
- perfekt
- perfekt
- Leistung
- person
- Philippinen
- Stück
- Stücke
- Plato
- Datenintelligenz von Plato
- PlatoData
- Bitte
- Polynome
- Werkzeuge
- angetriebene
- prädiktive
- Vorbereitung
- früher
- vorher
- Prozessdefinierung
- Verarbeitung
- Produkt
- Professionell
- Programmierung
- Projekt
- Eingabeaufforderungen
- Sicherheit
- die
- vorausgesetzt
- bietet
- Bereitstellung
- Kauf
- Zwecke
- Python
- Qualität
- Fragen
- ganz
- REGEN
- Angebot
- schnell
- lieber
- Lesen Sie mehr
- Lesebrillen
- Received
- Software Empfehlungen
- Veteran
- Reduzierung
- Verfeinerung
- regulär
- Release
- relevant
- antworten
- vertreten
- Anforderung
- falls angefordert
- erfordert
- Antwort
- Antworten
- REST
- Folge
- Rückkehr
- Rückkehr
- Reis
- Recht
- Ring
- Rollen
- Führen Sie
- Ländlich
- Ländliche Gebiete
- s
- heilig
- Safe
- gleich
- SAND
- Speichern
- Gerettet
- Skalierung
- Szene
- Wissenschaft
- Wissenschaftler
- Suche
- Die Geheime
- sicher
- sehen
- wählen
- Auswahl
- semantisch
- kompensieren
- Einstellungen
- sie
- Short
- sollte
- erklären
- Konzerte
- bedeutend
- ähnlich
- Einfacher
- einfach
- Sitzend
- Größe
- Himmel
- So
- einige
- etwas
- Bald
- bezogen
- Südosten
- speziell
- Rede
- Standard
- Anfang
- begonnen
- Bundesstaat
- State-of-the-art
- Lagerung
- Geschichte
- Strom
- Schnur
- strukturierte
- strukturierte und unstrukturierte Daten
- Struggling
- Die Kursteilnehmer
- Studio Adressen
- Erfolgreich
- so
- zusammenfassen
- Sun
- Sonnenlicht
- sicher
- Überraschung
- System
- T
- und Aufgaben
- Technische
- Techniken
- Technologies
- Technologie
- Telekommunikations
- Text
- Texterzeugung
- Text-to-Speech
- textuell
- Thailand
- als
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- Philippinen
- ihr
- Sie
- dann
- Diese
- vom Nutzer definierten
- think
- fehlen uns die Worte.
- diejenigen
- Durch
- Zeit
- zu
- gemeinsam
- Zeichen
- traditionell
- Training
- Ausbildung
- Abschrift
- Transformation
- Transformieren
- Übersetzen
- Übersetzungen
- Übersetzungen
- Bäume
- Troll
- was immer dies auch sein sollte.
- Lernprogramm
- Twice
- tippe
- Typen
- typisch
- Verständnis
- verstanden
- nicht wie
- unstrukturiert
- Urdu
- URL
- us
- verwendbar
- USD
- -
- benutzt
- Mitglied
- benutzerfreundlich
- Nutzer
- Verwendung von
- Wert
- Werte
- Variable
- Variablen
- verschiedene
- Ve
- Vektoren
- VEGAS
- Version
- lebensfähig
- Video
- Vietnam
- Anzeigen
- Seh-
- Stimme
- Volumen
- Warten
- Gehen
- wollen
- wurde
- we
- GUT
- Was
- Was ist
- welche
- Flüstern
- Weiß
- WHO
- warum
- Wi-fi
- breit
- Große Auswahl
- werden wir
- mit
- .
- Frau
- wunderbar
- Arbeiten
- zusammenarbeiten
- weltweit wie ausgehandelt und gekauft ausgeführt wird.
- schreiben
- Schreiben
- Jahr
- U
- jung
- Ihr
- Youtube
- Zephyrnet