Tänään me ilmoitti RStudion Amazon SageMakerissa, ensimmäinen koneoppimisen (ML) integroitu kehitysympäristö (IDE) pilvessä R-kielellä työskenteleville datatieteilijöille. Avoimen lähdekoodin kieli R ja sen rikas ekosysteemi, jossa on enemmän kuin 18,000-paketit on ollut paras valinta tilastotieteilijöille, kvanttianalyytikoille, datatieteilijöille ja ML-insinööreille. SageMakerin RStudion avulla datatieteilijät voivat helposti suorittaa tilastoanalyysiä, rakentaa ML-malleja ja luoda datatieteen sisältöä keskitetyssä ympäristössä tiimille huolehtimatta laskentainfrastruktuurista.
RStudio-työpöydän ohella osana RStudio-sviittiä R-kehittäjille ovat RStudio Connect ja RStudio Package Manager. RStudio Connect helpottaa ML- ja datatieteen näkemyksiä datatieteilijöiden monimutkaisesta työstä ja antaa ne päättäjien käsiin. RStudio Connect on suunniteltu antamaan tietotieteilijöille mahdollisuus julkaista oivalluksia, kojetauluja ja verkkosovelluksia. RStudio Connect tekee myös sisällön ylläpidosta ja hallinnasta yksinkertaista ja skaalautuvaa laajaan kulutukseen.
RStudio Package Manager auttaa järjestämään ja keskittämään R-paketteja ML-tiimeille ja organisaatioille. Kun datatieteilijät kehittävät ML-mallejaan, he tarvitsevat erilaisia paketteja eri ominaisuuksilla ML-käyttötapauksiinsa RStudiossa. Näiden pakettien ja lukuisten julkisten tietovarastojen lähteiden ja versioiden hallinta yrityskäyttäjille manuaalisesti on herkkä virheille ja on myös aikaa vievää. RStudio Package Manager lieventää näitä ongelmia hallitsemalla pakettivarastoa keskitetysti organisaatiossasi, jotta datatutkijat voivat asentaa paketteja nopeasti ja turvallisesti ja varmistaa projektin toistettavuuden ja toistettavuuden. Turvallisuus ja uusittavuus ovat tärkeimpiä näkökohtia säännellyillä aloilla, kuten terveydenhuollossa ja rahoituksessa.
Tässä viestissä näytämme ensin, kuinka voit suunnitella ja ottaa käyttöön RStudio Connect- ja RStudio Package Manager -ohjelmistot hyvin suunnitellun ratkaisun avulla AWS:ssä. Tämän jälkeen näytämme sinulle, kuinka voit käyttää RStudio Connectia ja RStudio Package Manageria SageMakerissa. Käytämme an UCI:n rintasyöpätietokanta rakentaa useita erityyppisiä ML-sisältöjä R-kielellä SageMakerin RStudiossa. Viestissä esittelemämme ML-sisältö sisältää R Markdownin ja R Shiny -sovelluksen
Ratkaisun yleiskatsaus
Ratkaisuarkkitehtuuri perustuu RStudio Connect- ja RStudio Package Manager Docker -säiliöiden ammattiversioihin. RStudio Connect ja RStudio Package Manager on määritetty kahdelle Saatavuusalueet korkean saatavuuden vuoksi. Sekä RStudio Connect- että RStudio Package Manager -säilöt tukevat automaattista skaalausta saapuvan liikenteen käsittelemiseksi riippuen saapuvien pyyntöjen määrästä, muistista ja prosessorin käytöstä säilöissä.
Säilön kuvat tallennetaan ja haetaan niistä Amazonin elastisten säiliörekisteri (Amazon ECR), jossa haavoittuvuustarkistus on käytössä. Haavoittuvuusongelmat tulee käsitellä ennen kuvien käyttöönottoa.
Seuraava kaavio kuvaa ratkaisuarkkitehtuuria.
Ratkaisun työnkulun vaiheet ovat seuraavat:
- R-käyttäjät käyttävät RStudio Connectia ja RStudio Package Manageria kautta Amazon-reitti 53. Route 53 on DNS-palvelu saapuville pyynnöille.
- Reitti 53 ratkaisee saapuvat pyynnöt ja välittää ne eteenpäin AWS WAF turvatarkastuksia varten.
- Kelvolliset pyynnöt saavuttavat Sovelluksen kuormituksen tasaaja (ALB), joka välittää nämä eteenpäin Amazonin elastisten säiliöiden palvelu (Amazon ECS) -klusteri. ALB tarkistaa saapuvat HTTPS-sertifikaattipyynnöt, jonka on myöntänyt ja varmentanut AWS-varmenteen hallinta.
- Amazon ECS hallitsee kontteja klusterissa Amazonin elastinen laskentapilvi (Amazon EC2) -esiintymät (EC2-käynnistystyyppi) an Automaattinen skaalausryhmä ja on vastuussa konttien määrän lisäämisestä ja vähentämisestä tarpeen mukaan käyttämällä a Amazon ECS -kapasiteetin tarjoaja.
- RStudio Connect -palvelin käsittelee saapuvat pyynnöt missä tahansa käytettävissä olevissa RStudio Connect -säiliöissä; käyttäjät todennetaan ja sovellukset esitetään verkkoselaimessa. RStudio Package Manager -pyynnöt reititetään Package Manager -säilöön.
- Amazon Aurora -palvelimeton PostgreSQL-tietokantoja käytetään korkean käytettävyyden tarjoamiseen käyttämällä useita säilöjä sekä RStudio Connectille että RStudio Package Managerille. Aurora varmuuskopioi palvelimettomat klusteritietokannat automaattisesti. Auroran tiedot salataan levossa käyttämällä AWS-avainhallintapalvelu (AWS KMS).
- Amazonin elastinen tiedostojärjestelmä (Amazon EFS) tarjoaa RStudio Connectin ja RStudio Package Managerin vaatiman pysyvän tiedostojärjestelmän. Amazon EFS:n tiedot salataan lepotilassa AWS KMS:n avulla. Amazon EFS on NFS-tiedostojärjestelmä, joka tallentaa tiedot useille käytettävyysvyöhykkeille AWS-alue tietojen kestävyyden ja korkean käytettävyyden takaamiseksi. Amazon EFS varmuuskopioi automaattisesti RStudio Connect- ja RStudio Package Manager -säilön Amazon EFS -kiinnikkeissä luodut tiedostot.
- Jos käyttäjäistunto kommunikoi julkisen Internetin kanssa, lähtevät pyynnöt lähetetään osoitteeseen a NAT-yhdyskäytävä yksityisestä säilön aliverkosta.
- NAT-yhdyskäytävä lähettää lähteviä pyyntöjä käsiteltäväksi Internet-yhdyskäytävä. Reittejä Internetiin voidaan myös määrittää AWS Transit Gateway.
Käytämme AWS Cloud Development Kit (AWS CDK) Pythonille infrastruktuurikoodin kehittämiseksi ja koodin tallentamiseksi AWS CodeCommit arkisto, niin että AWS-koodiputki voi integroida AWS CDK -pinot automatisoituihin koontiversioihin.
Käyttöönottokoodi käyttää Route 53 julkisesti isännöity vyöhyke palvella RStudio Connectia ja RStudio Package Manageria julkisesti saatavilla olevilla URL-osoitteilla. Voit käyttää Route 53 yksityiset isännöidyt vyöhykkeet RStudio Connect- ja RStudio Package Manager -säiliöille, joissa on sisäinen ALB, joka tarjoaa yksityisiä päätepisteitä käyttäjille, jotka tulevat RStudiosta SageMakerissa vain VPC-yhteystilassa. Tämä tarkoittaa, että et tarvitse olemassa olevaa julkista verkkotunnusta AWS-tililläsi. Sinun on kuitenkin noudettava julkiset Docker-kuvat (RStudio Connect, RStudio Package Manager) ja tallenna ne yksityiseen Amazon ECR -tietovarastoon ja osoita käyttöönottokoodi näihin kuviin infrastruktuurin rakentamista varten.
Jos kaiken AWS-palvelujen välisen viestinnän on pysyttävä AWS:n sisällä, voit käyttää AWS PrivateLink määrittääksesi VPC-päätepisteet AWS-palveluille. AWS PrivateLink varmistaa, että palvelujen välinen liikenne ei ole alttiina Internetiin AWS-palvelun päätepisteille.
Voit myös viitata RStudio Team -ratkaisu RStudiolta oppiaksesi ottamaan käyttöön RStudio-teknologiapinon Amazon EC2:ssa AWS:ssä vaihtoehtona tässä viestissä käsitellylle ratkaisulle.
Edellytykset
Jos haluat ottaa AWS CDK -pinot käyttöön lähdekoodista, sinun on tarkistettava ja suoritettava mukana toimitetussa asiakirjassa kuvatut edellytykset. GitHub-arkisto varmistaaksesi, että sinulla on tarvittavat resurssit jatkaaksesi.
Käynnistä ratkaisu
- Kloonaa GitHub-arkisto, tarkista rsc-rspm haara, ja siirry aws-fargate-with-rstudio-open-source-kansioon.
- Luo CodeCommit-arkisto pitääksesi lähdekoodin RStudio Connect/RStudio Package Managerin asennusta varten seuraavalla komennolla:
- Syötä vaaditut parametrit cdk.json kohdan 3 jälkeen Asennuksen vaiheet osassa readme tiedosto.
- Asenna paketin vaatimukset AWS CDK -sovellukselle:
- Ennen kuin siirrät koodin CodeCommit-arkistoon, syntetisoi AWS CDK -pinot. Tämä varmistaa, että kaikki tarvittavat kontekstiarvot täytetään tiedostoon
cdk.context.json
tiedostoa ja välttää valearvojen yhdistämisen. - Sitouta muutokset luomaasi CodeCommit-repoon. Noudata vaihetta 5 kohdassa Asennuksen vaiheet readme, jos tarvitset apua Git-komentojen kanssa.
- Asenna RStudio Connect/RStudio Package Manager CodePipelinea käyttämällä AWS CDK -pinot. Tämä vaihe kestää noin 30 minuuttia.
- Siirry CodePipeline-konsoli (linkki vie sinut osoitteeseen
us-west-2
alue). Seuraa putkistoa ja varmista, että palvelut on rakennettu onnistuneesti.
Putkilinjan nimi on RSC-RSPM-App-Pipeline-<instance>
. Tästä pisteestä eteenpäin liukuhihna laukeaa sitoumuksissa luomaasi CodeCommit-tietovarastoon. Ei ole tarvetta juosta cdk deploy
(Vaihe 7) enää.
- Kun putken asennus on valmis, voit käyttää RStudio Connectia ja RStudio Package Manageria käyttämällä seuraavia URL-osoitteita, joissa
r53_base_domain
jainstance
ovat parametreja, joihin olet siirtynyt cdk.json:https://connect.<instance>.<r53_base_domain>
https://package.<instance>.<r53_base_domain>
- Voit käyttää Amazon ECS Exec kirjautuaksesi sekä RStudio Connect- että RStudio Package Manager -säilöihin. Seuraa readme ohjeita.
Hallitse paketteja RStudio Package Managerilla
RStudio Package Manager auttaa mahdollistamaan R-pakettien yhdenmukaisuuden ja standardoinnin koko organisaatiossa. RStudio Package Managerissa IT-järjestelmänvalvoja voi sisällyttää hyväksytyn paketin arkistoon. Voidaan luoda useita ryhmiä, joilla on pääsy erilaisiin paketeihin tai pakettiversioihin. RStudio Package Manager hoitaa myös kaikki pakettien päivitykset ja versioinnit. Järjestelmänvalvoja voi ottaa käyttöön automaattiset päivitykset paketeille tai myös määrittää RStudio Package Managerin siten, että paketit voidaan päivittää vain manuaalisesti, mikä tarjoaa paremman eristyksen RStudio Package Managerin ja CRAN-palvelun välillä.
Määritä RStudio Package Manager
Voimme luoda arkiston, joka hakee paketit RStudio CRAN:ista käyttämällä seuraavat komennot. Meidän on siirryttävä SSH:hon RStudio Package Manageriin käyttämällä Amazon ECS Execiä näiden komentojen suorittamiseksi.
Komennot luovat arkiston ja tilaavat sen sisäänrakennettuun lähteeseen nimeltä cran
. Kun tämä on valmis, dev-cran
arkisto on saatavilla RStudio Package Managerin verkkoliittymässä, kuten seuraavassa kuvakaappauksessa näkyy. Tätä verkkokäyttöliittymää voivat käyttää järjestelmänvalvoja sekä käyttäjät, joilla on sen URL-osoite.
CRAN-pakettien palvelemisen lisäksi voidaan luoda arkistoja paikallisten pakettien, Git-pakettien, paikallisten pakettien ja CRAN-pakettien, hyväksyttyjen CRAN- ja paikallisten pakettien osajoukon sekä GitHubista johtavien reunapakettien jakamiseen. Katso lisätietoja arkistojen luomisesta kohdasta CRAN-pakettien palveleminen. Lisäksi RStudio Package Manager tukee Biojohde. Bioconductor on biotieteissä yleisesti käytetty R-pakettien ekosysteemi. Voimme yhdistää Bioconductor-paketteja CRANiin sekä paikallisia paketteja RStudio Package Managerissa.
RStudio Package Manager -pakettiversiot
RStudio Package Managerin verkkokäyttöliittymässä Perustaa -välilehdessä voit valita arkiston päivämäärän mukaan kalenterinäkymässä. Voit myös valita, käytetäänkö pakettien uusinta versiota vai jäädyttääkö paketit tiettyyn tilannekuvaan, kuten seuraavassa kuvakaappauksessa näkyy.
On Perustaa -välilehti, näemme myös, mitä järjestelmävaatimuksia arkiston paketeille saatetaan tarvita, sekä komennot niiden asentamiseksi.
Määritä RStudio SageMaker-verkkotunnuksessa käyttämään RStudio Connectia ja RStudio Package Manageria
Kun luot SageMaker-toimialueen RStudion kanssa, sinulla on mahdollisuus asettaa oletusarvoinen RStudio Connect -palvelin ja RStudio Package Manager -tietovarasto kaikille SageMaker-verkkotunnuksesi käyttäjille. SageMaker-verkkotunnuksen luontiprosessin aikana, kuten on kuvattu Luo SageMaker-verkkotunnus RStudion avulla osassa RStudion käytön aloittaminen Amazon SageMakerissa, voit määrittää oletusarvoiset RStudio Connectin ja RStudio Package Managerin URL-osoitteet kaikille käyttäjäprofiileille Vaihe 3: RStudio-asetukset. Foorumi RStudio Connect, anna RStudio Connect -palvelimen URL-osoite. varten RStudio Package Manager, syötä CRAN- tai Bioconductor-tietovarastoon.
Oletus-URL-osoitteet määritetään ja tallennetaan /etc/rstudio/rsession.conf
kaikille RStudion käyttäjille SageMakerissa. Voit tarkistaa oletusvaraston R-konsolissa käyttämällä options('repos')
. Sinun pitäisi nähdä arkisto, joka osoittaa RStudio Package Manageriin. Mitä tulee oletusarvoiseen RStudio Connect -URL-osoitteeseen, se täytetään automaattisesti, kun julkaiset R-sisällön yhdellä napsautuksella.
Arkiston päivittäminen RStudio Package Managerista R-istunnossa
Jos sinulla on jo toimiva RStudio SageMakerissa ja haluat käyttää toista arkistoa, voit määrittää R-istunnon SageMakerin RStudiossa käyttämään RStudio Package Managerin arkistoa seuraavasti:
- R-istunnossa, Työkalut valikosta, valitse Globaalit vaihtoehdot.
- Valita Jäsenyydet ja valitse sitten Muutos.
- In Mittatilaus -kenttään, kirjoita valitun arkiston URL-osoite (löytyy Perustaa RStudio Package Manager -verkkokäyttöliittymän välilehti) ja valitse OK.
- Valita OK jälleen, ja olemme valmis!
Nyt RStudioon asentamamme paketit hankitaan valitusta arkistosta RStudio Package Manager -palvelimeltasi. Voit varmistaa sen käyttämällä options('repos')
tai asentamalla paketin ja katsomalla, mistä se vetää. Katso lisätietoja Menestyksen tarkistaminen.
Päivitä RStudio Connect -tili R-istunnossa
Jos sinulla on jo toimiva RStudio SageMakerissa ja haluat käyttää eri RStudio Connect -palvelinta kuin oletusarvo, suorita seuraavat vaiheet:
- On Työkalut valikosta, valitse Globaalit vaihtoehdot.
- Valita Julkaiseminen.
- Valita kytkeä.
- Valita RStudio Connect.
- Kirjoita palvelimesi julkinen URL-osoite, esimerkiksi
https://xxxx.rstudioconnect.com
, ja valitse seuraava.
Näyttöön tulee uusi sivu, joka pyytää sinua kirjautumaan sisään tilillä, jos tämä on ensimmäinen kerta.
- Valita kytkeä edetä.
- Valita Yhdistä tili RStudion valintaikkunassa.
Sinun pitäisi nähdä luettelossa RStudio Connect -käyttäjäprofiilisi ja palvelimen URL-osoite.
Lisätietoja katso Yhdistä RStudio-tilisija Liitäntä: RStudio IDE.
Nyt RStudio Connect -palvelin on yhdistetty onnistuneesti Amazon SageMakerin RStudioon. Olemme valmiita rakentamaan hienoa sisältöä ja julkaisemaan.
Rakenna ML-sisältöä RStudiossa Amazon SageMakerissa
Voit helposti luoda analyysin RStudiossa Amazon SageMakerissa ja julkaista sen RStudio Connectissasi painikkeella, jotta yhteistyökumppanisi voivat käyttää analyysisi. Tässä viestissä käytämme a UCI:n rintasyöpätietokanta alkaen mlbench
käydä läpi joitakin julkaisun yleisiä käyttötapauksia: R Markdown ja Shiny app.
R Markdown
R Markdown on loistava työkalu analyysien suorittamiseen R:ssä osana markdown-tiedostoa ja jakamiseen RStudio Connectissa. Sisään rsconnect_rmarkdown/breast_cancer_eda.Rmd
, teemme kaksi yksinkertaista analyysiä ja piirroksia tietojoukolle sekä markdownissa olevien tekstien kanssa:
Voimme esikatsella tiedostoa valitsemalla Neuloa ja julkaise se RStudio Connectissa valitsemalla julkaista.
R Markdownin lisäksi rakennat useimmiten interaktiivista sovellusta tai kojelautaa Shinyn avulla. Katsotaanpa, kuinka voimme julkaista Shiny-sovelluksia Amazon SageMakerin RStudiosta RStudio Connectiin.
Kiiltävä sovellus
Kiiltävä on R-paketti, jonka avulla on helppo luoda interaktiivisia verkkosovelluksia ohjelmallisesti. Datatutkijoiden keskuudessa on suosittua jakaa analyysejaan ja mallejaan Shiny-sovelluksen kautta sidosryhmilleen. Sisään rsconnect_shiny/breast-cancer-app/
, kehitämme ML-mallin breast_cancer_modeling.r
ja luo verkkosovellus, jonka avulla käyttäjät voivat olla vuorovaikutuksessa datan ja ML-mallin kanssa.
Julkaise avaamalla app.R
Ja valitse julkaista. Valitse molemmat app.R
ja breast_cancer_modeling.r
julkaista.
Sovelluksessa voit muuttaa kahta ominaisuutta visualisoitaviksi kaaviossa ja valita datapisteet kuvaajasta nähdäksesi todelliset tiedot ja mallintavat ennusteet siitä, ovatko ne hyvänlaatuisia vai pahanlaatuisia syöpätapauksia. Liu'uttamalla todennäköisyyskynnystä voit olla vuorovaikutuksessa mallin kanssa ja saada erilaiset luokitusluvut. Voit nähdä kojelaudan toiminnassa seuraavassa kuvakaappauksessa.
Yhteenveto
Tässä viestissä näytimme sinulle, kuinka voit ottaa käyttöön RStudio Connect- ja RStudio Package Manager -palvelimia AWS:ssä AWS Fargateen ja Amazon ECS:ään perustuvalla arkkitehtuurilla AWS CDK:n avulla. Kun RStudio Connect ja RStudio Package Manager toimivat pilvessä, näytimme sinulle, kuinka niitä käytetään RStudiosta Amazon SageMakerissa. Sitten osoitimme, kuinka R-pohjaisia materiaaleja, kuten R Markdown- ja Shiny-sovelluksia, voidaan ottaa käyttöön RStudio Connect -esiintymässä rintasyövän ennusteen käyttötapauksen perusteella.
Kun RStudio Connect -esiintymä on pilvessä, ML- ja datatieteen tiimisi voivat tehdä yhteistyötä tehokkaammin, mutta myös ML-näkemysten jakaminen sidosryhmien ja liiketoimintayksiköiden kesken on paljon helpompaa. Tämä puolestaan edistää ML:n käyttöä organisaatiossasi paremman liiketoiminnan tuloksen saavuttamiseksi. RStudio Package Managerin avulla voit nopeasti ja turvallisesti hallita, palvella ja asentaa R-paketteja luotettavista lähteistä varmistaaksesi projektin toistettavuuden.
Voit oppia lisää RStudiosta SageMakerissa datatieteilijän näkökulmasta viestissä Täysin hallinnoidun RStudion julkaiseminen Amazon SageMaker for Data Scientists -palvelussa. Voit myös oppia lisää RStudion määrittämisestä ja hallinnasta SageMakerissa viestistä RStudion käytön aloittaminen Amazon SageMakerissa. Lisätietoja Amazon SageMaker Studiosta, ensimmäisestä IDE:stä pilvessä, katso Amazon SageMaker Studio.
Tietoja Tekijät
Michael Hsieh on vanhempi AI/ML Specialist Solutions -arkkitehti. Hän työskentelee asiakkaiden kanssa edistääkseen heidän ML-matkaansa yhdistämällä Amazon Machine Learning -tarjonnan ja ML-verkkoaluetietonsa. Seattlen elinsiirtona hän rakastaa tutkia alueen suurta äitiluontoa, kuten vaellusreittejä, maisemamelontaa SLU:ssa ja auringonlaskua Shilshole Bayssa.
Chayan Panda on pilviinfrastruktuurin arkkitehti. Hän tarjoaa neuvontapalveluita ja ajatusjohtajuutta AWS-asiakkaille pilvisiirtojen, pilviinfrastruktuurin (turvallisuus, verkko, DevOps), Greenfield-alustatoteutuksiin, big datan/AI/ML:n sekä palvelimettomien ja tietokantaratkaisujen vankkaratkaisujen suunnittelussa. Kun hän ei ole pakkomielle asiakkaista, hän nauttii lyhyestä juoksusta, musiikista, kirjasta tai matkustamisesta perheensä kanssa.
Farooq Sabir on vanhempi AI/ML Specialist Solutions -arkkitehti. Hän auttaa asiakkaita ratkaisemaan liiketoimintaongelmiaan datatieteen, koneoppimisen ja tekoälyn avulla.
- '
- 000
- 100
- 7
- 9
- pääsy
- Tili
- Toiminta
- neuvontapalvelut
- Kaikki
- Amazon
- Amazon EC2
- Amazonin koneoppiminen
- Amazon Sage Maker
- keskuudessa
- analyysi
- sovelluksen
- Hakemus
- sovellukset
- sovellukset
- arkkitehtuuri
- noin
- tekoäly
- aamurusko
- Automatisoitu
- saatavuus
- AWS
- Lahti
- Musta
- Verenvuoto
- Rintasyöpä
- selain
- rakentaa
- Rakentaminen
- liiketoiminta
- Kalenteri
- Syöpä
- Koko
- tapauksissa
- todistus
- muuttaa
- Tarkastukset
- luokittelu
- pilvi
- pilvi infrastruktuuri
- koodi
- tuleva
- Yhteinen
- Yhteydenpito
- Laskea
- Liitännät
- kuluttaa
- kulutus
- Kontti
- Kontit
- pitoisuus
- Luominen
- Asiakkaat
- kojelauta
- tiedot
- tietojenkäsittely
- tietokanta
- tietokannat
- Malli
- kehittää
- kehittäjille
- Kehitys
- DevOps
- dns
- Satamatyöläinen
- ekosysteemi
- reuna
- Engineers
- yritys
- ympäristö
- perhe
- Ominaisuudet
- rahoittaa
- Etunimi
- ensimmäistä kertaa
- seurata
- Jäätyä
- gif
- mennä
- GitHub
- suuri
- terveydenhuollon
- Korkea
- retkeily
- pitää
- hotellit
- Miten
- Miten
- HTTPS
- ICS
- teollisuuden
- tiedot
- Infrastruktuuri
- oivalluksia
- Älykkyys
- vuorovaikutteinen
- Internet
- eristäminen
- kysymykset
- IT
- avain
- tuntemus
- Kieli
- uusin
- käynnistää
- Johto
- OPPIA
- oppiminen
- Life Sciences
- LINK
- Lista
- kuormitus
- paikallinen
- koneoppiminen
- johto
- tarvikkeet
- ML
- malli
- äiti
- liikkua
- Musiikki
- verkko
- kampanja
- tarjoukset
- avata
- Vaihtoehto
- organisaatio
- organisaatioiden
- näkökulma
- foorumi
- Suosittu
- ennustus
- Ennusteet
- preview
- yksityinen
- Profiili
- Profiilit
- projekti
- julkinen
- julkaista
- vetämällä
- Python
- kuten
- vaatimukset
- Esittelymateriaalit
- REST
- arviot
- Reitti
- ajaa
- juoksu
- sagemaker
- skaalaus
- skannata
- tiede
- tieteet
- tutkijat
- Seattle
- turvallisuus
- valittu
- serverless
- Palvelut
- palvelevat
- setti
- Jaa:
- Lyhyt
- Yksinkertainen
- Kuva
- So
- Ratkaisumme
- SOLVE
- alkoi
- pysyä
- verkkokaupasta
- varastot
- Auringonlasku
- tuki
- Tukee
- pinta
- järjestelmä
- Elektroniikka
- Lähde
- ajatusjohtajuus
- aika
- ylin
- liikenne
- kauttakulku
- matkustaa
- Päivitykset
- Käyttäjät
- Näytä
- alttius
- verkko
- web-sovellukset
- Web-selain
- KUKA
- sisällä
- Referenssit
- työnkulku
- toimii