Kuvan toimittaja
Suuret kielimallit (LLM), kuten OpenAI:n GPT-3, Googlen BERT ja Metan LLaMA, mullistavat eri sektoreita kyvyllään tuottaa laajaa tekstivalikoimaa – markkinointikopiosta ja datatieteen skripteistä runoon.
Vaikka ChatGPT:n intuitiivinen käyttöliittymä on onnistunut olemaan useimpien ihmisten laitteissa nykyään, LLM:ien käyttämiselle erilaisissa ohjelmistointegraatioissa on edelleen valtava hyödyntämätön potentiaali.
Pääongelma?
Useimmat sovellukset vaativat sujuvampaa ja alkuperäistä viestintää LLM:ien kanssa.
Ja juuri tässä LangChain alkaa!
Jos olet kiinnostunut generatiivisesta tekoälystä ja LLM:istä, tämä opetusohjelma on räätälöity sinulle.
Joten… aloitetaan!
Vain siltä varalta, että olet asunut luolassa etkä ole saanut mitään uutisia viime aikoina, selitän lyhyesti Large Language Models tai LLMs.
LLM on hienostunut tekoälyjärjestelmä, joka on rakennettu jäljittelemään ihmisen kaltaista tekstin ymmärtämistä ja luomista. Harjoittelemalla valtavia tietojoukkoja, nämä mallit havaitsevat monimutkaisia malleja, ymmärtävät kielellisiä vivahteita ja tuottavat yhtenäisiä tuloksia.
Jos mietit, kuinka toimia näiden tekoälyllä varustettujen mallien kanssa, voit tehdä sen kahdella tavalla:
- Yleisin ja suorin tapa on puhua tai chattailla mallin kanssa. Se sisältää kehotteen laatimisen, sen lähettämisen tekoälyllä toimivalle mallille ja tekstipohjaisen tulosteen saamisen vastauksena.
- Toinen tapa on muuntaa tekstiä numeerisiksi taulukoiksi. Tämä prosessi sisältää kehotteen laatimisen tekoälylle ja numeerisen taulukon vastaanottamisen vastineeksi. Mitä kutsutaan yleisesti "upotukseksi". Se on kokenut viime aikoina nousun vektoritietokannoissa ja semanttisessa haussa.
Ja juuri näitä kahta pääongelmaa LangChain yrittää käsitellä. Jos olet kiinnostunut LLM:iden kanssa vuorovaikutuksen tärkeimmistä ongelmista, voit tarkistaa tämän artikkelin tätä.
LangChain on avoimen lähdekoodin kehys, joka on rakennettu LLM:ien ympärille. Se tuo pöytään arsenaalin työkaluja, komponentteja ja käyttöliittymiä, jotka virtaviivaistavat LLM-ohjattujen sovellusten arkkitehtuuria.
LangChainin avulla kielimallien käyttäminen, erilaisten komponenttien linkittäminen ja resurssien, kuten API:iden ja tietokantojen, sisällyttäminen on helppoa. Tämä intuitiivinen kehys yksinkertaistaa huomattavasti LLM-sovelluskehitysmatkaa.
Long Chainin ydinideana on, että voimme yhdistää eri komponentteja tai moduuleja, joita kutsutaan myös ketjuiksi, luodaksemme kehittyneempiä LLM-käyttöisiä ratkaisuja.
Tässä on joitain LangChainin erottuvia ominaisuuksia:
- Muokattavat kehotemallit vuorovaikutuksen standardoimiseksi.
- Ketjulinkkikomponentit, jotka on räätälöity vaativiin käyttötapauksiin.
- Saumaton integrointi johtaviin kielimalleihin, mukaan lukien OpenAI:n GPT ja HuggingFace Hubin GPT.
- Modulaariset komponentit seka-ja-match-lähestymistapaan minkä tahansa tietyn ongelman tai tehtävän arvioimiseen.
Kuva tekijältä
LangChain erottuu keskittymisestään mukautumiskykyyn ja modulaariseen suunnitteluun.
LangChainin pääideana on hajottaa luonnollisen kielen käsittelyjärjestys yksittäisiin osiin, jolloin kehittäjät voivat mukauttaa työnkulkuja vaatimustensa mukaan.
Tällainen monipuolisuus asettaa LangChainin erinomaiseksi valinnaksi tekoälyratkaisujen rakentamiseen eri tilanteissa ja toimialoilla.
Jotkut sen tärkeimmistä komponenteista ovat…
Kuva tekijältä
1. LLM:t
LLM:t ovat peruskomponentteja, jotka hyödyntävät valtavia määriä koulutusdataa ihmisen kaltaisen tekstin ymmärtämiseen ja luomiseen. Ne ovat LangChainin monien toimintojen ytimessä ja tarjoavat tarvittavat kielenkäsittelyominaisuudet tekstinsyötön analysointiin, tulkitsemiseen ja siihen vastaamiseen.
Käyttö: Chatbottien käyttö, ihmisen kaltaisen tekstin luominen erilaisiin sovelluksiin, tiedonhaun avustaminen ja muun kielenkäsittelyn suorittaminen
2. Kehotusmallit
Kehotteet ovat olennaisia vuorovaikutuksessa LLM:n kanssa, ja kun työskentelet tiettyjen tehtävien parissa, niiden rakenne on yleensä samanlainen. Kehotemallit, jotka ovat esiasetettuja kehotteita, joita voidaan käyttää ketjuissa, mahdollistavat "kehotteiden" standardoinnin lisäämällä tiettyjä arvoja. Tämä parantaa minkä tahansa LLM:n mukautumiskykyä ja räätälöintiä.
Käyttö: Vuorovaikutusprosessin standardointi LLM:ien kanssa.
3. Lähtöjäsentimet
Lähtöjäsentimet ovat komponentteja, jotka ottavat raakatuodoksen ketjun edellisestä vaiheesta ja muuntavat sen strukturoituun muotoon. Tätä strukturoitua dataa voidaan sitten käyttää tehokkaammin myöhemmissä vaiheissa tai toimittaa vastauksena loppukäyttäjälle.
Käyttö: Esimerkiksi chatbotissa lähtöjäsentin voi ottaa raakatekstivastauksen kielimallista, poimia tärkeimmät tiedot ja muotoilla ne jäsennellyksi vastaukseksi.
4. Komponentit ja ketjut
LangChainissa jokainen komponentti toimii moduulina, joka vastaa tietystä tehtävästä kielenkäsittelysekvenssissä. Nämä komponentit voidaan yhdistää muotoon kahleet räätälöityjä työnkulkuja varten.
Käyttö: Tunnelmien havaitsemis- ja vastausgeneraattoriketjujen luominen tietyssä chatbotissa.
5. Muisti
Muisti LangChainissa viittaa komponenttiin, joka tarjoaa tiedon tallennus- ja hakumekanismin työnkulussa. Tämä komponentti mahdollistaa tietojen väliaikaisen tai jatkuvan tallennuksen, jota muut komponentit voivat käyttää ja käsitellä LLM:n kanssa tapahtuvan vuorovaikutuksen aikana.
Käyttö: Tämä on hyödyllistä skenaarioissa, joissa tietoja on säilytettävä käsittelyn eri vaiheissa, esimerkiksi keskusteluhistorian tallentamisessa chatbotiin kontekstitietoisten vastausten tarjoamiseksi.
6. agents
Agentit ovat itsenäisiä komponentteja, jotka pystyvät suorittamaan toimintoja käsittelemiensä tietojen perusteella. Ne voivat olla vuorovaikutuksessa muiden komponenttien, ulkoisten järjestelmien tai käyttäjien kanssa suorittaakseen tiettyjä tehtäviä LangChain-työnkulussa.
Käyttö: Agentti voi esimerkiksi käsitellä käyttäjien vuorovaikutuksia, käsitellä saapuvia pyyntöjä ja koordinoida tietovirtaa ketjun läpi asianmukaisten vastausten luomiseksi.
7. Indeksit ja noutajat
Indekseillä ja noutajilla on ratkaiseva rooli tietojen tehokkaassa hallinnassa ja käytössä. Indeksit ovat tietorakenteita, jotka sisältävät tietoa ja metadataa mallin opetustiedoista. Toisaalta noutajat ovat mekanismeja, jotka ovat vuorovaikutuksessa näiden indeksien kanssa noutaakseen olennaista dataa määritettyjen kriteerien perusteella ja mahdollistavat mallin vastaamisen paremmin tarjoamalla asiaankuuluvan kontekstin.
Käyttö: Niiden avulla voidaan nopeasti noutaa tärkeitä tietoja tai asiakirjoja suuresta tietojoukosta, mikä on välttämätöntä tehtävissä, kuten tiedonhaussa tai kysymyksiin vastaamisessa.
8. Asiakirjamuuntajat
LangChainissa Document Transformers ovat erikoiskomponentteja, jotka on suunniteltu käsittelemään ja muuntamaan asiakirjoja tavalla, joka tekee niistä sopivia jatkoanalyysiin tai käsittelyyn. Nämä muunnokset voivat sisältää tehtäviä, kuten tekstin normalisointia, piirteiden poimimista tai tekstin muuntamista toiseen muotoon.
Käyttö: Tekstidatan valmistelu myöhempiä käsittelyvaiheita varten, kuten analyysi koneoppimismalleilla tai indeksointi tehokkaan noudon varmistamiseksi.
9. Mallien upottaminen
Niitä käytetään tekstidatan muuntamiseen numeerisiksi vektoreiksi suuriulotteisessa avaruudessa. Nämä mallit tallentavat semanttisia suhteita sanojen ja lauseiden välillä, mikä mahdollistaa koneellisesti luettavan esityksen. Ne muodostavat perustan erilaisille alavirran Natural Language Processing (NLP) -tehtäville LangChain-ekosysteemissä.
Käyttö: Helpottaa semanttisia hakuja, samankaltaisuusvertailuja ja muita koneoppimistehtäviä tarjoamalla tekstin numeerinen esitys.
10. Vektorikaupat
Tietokantajärjestelmän tyyppi, joka on erikoistunut tietojen tallentamiseen ja etsimiseen upotusten kautta ja joka pääasiassa analysoi tekstimaisen tiedon numeerisia esityksiä. VectorStore toimii näiden upotusten varastona.
Käyttö: Mahdollistaa tehokkaan haun semanttisen samankaltaisuuden perusteella.
Asenna se käyttämällä PIP:tä
Ensimmäinen asia, joka meidän on tehtävä, on varmistaa, että LangChain on asennettu ympäristöömme.
pip install langchain
Ympäristön asetukset
LangChainin käyttäminen tarkoittaa tyypillisesti integrointia erilaisten mallintarjoajien, tietovarastojen, API:iden ja muiden komponenttien kanssa. Ja kuten jo tiedät, kuten mikä tahansa integraatio, asianmukaisten ja oikeiden API-avainten toimittaminen on LangChainin toiminnan kannalta ratkaisevan tärkeää.
Kuvittele, että haluamme käyttää OpenAI-sovellusliittymäämme. Voimme tehdä tämän helposti kahdella tavalla:
- Avaimen asettaminen ympäristömuuttujaksi
OPENAI_API_KEY="..."
or
import os
os.environ['OPENAI_API_KEY'] = “...”
Jos päätät olla luomatta ympäristömuuttujaa, sinulla on mahdollisuus antaa avain suoraan openai_api_key named -parametrin kautta käynnistäessäsi OpenAI LLM -luokan:
- Aseta avain suoraan kyseiseen luokkaan.
from langchain.llms import OpenAI
llm = OpenAI(openai_api_key="...")
Vaihtaminen LLM:ien välillä on yksinkertaista
LangChain tarjoaa LLM-luokan, jonka avulla voimme olla vuorovaikutuksessa eri kielimallien tarjoajien, kuten OpenAI:n ja Hugging Facen, kanssa.
Minkä tahansa LLM:n käytön aloittaminen on melko helppoa, koska minkä tahansa LLM:n alkeellisin ja helpoimmin toteutettavissa oleva toiminto on vain tekstin tuottaminen.
Kuitenkaan saman kehotteen pyytäminen eri LLM:iltä kerralla ei ole niin helppoa.
Tässä LangChain alkaa…
Palaamme takaisin minkä tahansa LLM:n helpoimpaan toimintoon, voimme helposti rakentaa LangChainilla sovelluksen, joka saa merkkijonokehotteen ja palauttaa määrittämämme LLM:n tulosteen.
Kirjoittajan koodi
Voimme yksinkertaisesti käyttää samaa kehotetta ja saada kahden eri mallin vastauksen muutaman koodirivin sisällä!
Kirjoittajan koodi
Vaikuttavaa… eikö?
Rakennamme kehotteitamme kehotemalleilla
Kielimallien (LLM) yleinen ongelma on niiden kyvyttömyys laajentaa monimutkaisia sovelluksia. LangChain ratkaisee tämän tarjoamalla ratkaisun kehotteiden luomisprosessin virtaviivaistamiseen, mikä on usein monimutkaisempaa kuin pelkkä tehtävän määrittely, koska se vaatii tekoälyn persoonan hahmottamista ja tosiasioiden tarkkuuden varmistamista. Merkittävä osa tästä on toistuvaa tiivistelmätekstiä. LangChain helpottaa tätä tarjoamalla kehotemalleja, jotka automaattisesti lisäävät pohjatekstin uusiin kehotteisiin, mikä yksinkertaistaa kehotteiden luomista ja varmistaa johdonmukaisuuden eri tehtävien välillä.
Kirjoittajan koodi
Strukturoitujen vastausten saaminen lähtöjäsentimien avulla
Chat-pohjaisessa vuorovaikutuksessa mallin tulos on pelkkää tekstiä. Kuitenkin ohjelmistosovelluksissa strukturoitu tulos on parempi, koska se mahdollistaa lisäohjelmointitoiminnot. Esimerkiksi tietojoukkoa luotaessa vastaus halutaan vastaanottaa tietyssä muodossa, kuten CSV tai JSON. Olettaen, että kehote voidaan luoda johdonmukaisen ja sopivasti muotoillun vastauksen saamiseksi tekoälyltä, tarvitaan työkaluja tämän tulosteen hallintaan. LangChain täyttää tämän vaatimuksen tarjoamalla tulosteen jäsennystyökaluja, jotka käsittelevät ja hyödyntävät strukturoitua tulostetta tehokkaasti.
Kirjoittajan koodi
Voit käydä tarkistamassa koko koodin GitHub.
Ei kauan sitten, ChatGPT:n edistyneet ominaisuudet jättivät meidät kunnioitukseen. Silti teknologinen ympäristö muuttuu jatkuvasti, ja nyt LangChainin kaltaiset työkalut ovat ulottuvillamme, minkä ansiosta voimme luoda loistavia prototyyppejä henkilökohtaisista tietokoneistamme vain muutamassa tunnissa.
LangChain, vapaasti saatavilla Python-alusta, tarjoaa käyttäjille keinon kehittää sovelluksia, jotka on ankkuroitu LLM:ihin (Language Model Models). Tämä alusta tarjoaa joustavan käyttöliittymän useille perusmalleille, mikä virtaviivaistaa nopeaa käsittelyä ja toimii linkkinä elementeille, kuten kehotemalleja, lisää LLM:itä, ulkoista tietoa ja muita resursseja agenttien kautta nykyisen dokumentaation mukaan.
Kuvittele chatbotteja, digitaalisia avustajia, kielenkäännöstyökaluja ja tunteiden analysointiapuohjelmia; kaikki nämä LLM-yhteensopivat sovellukset heräävät henkiin LangChainin avulla. Kehittäjät käyttävät tätä alustaa luodakseen räätälöityjä kielimalliratkaisuja, jotka vastaavat erillisiin vaatimuksiin.
Kun luonnollisen kielen käsittelyn horisontti laajenee ja sen omaksuminen syvenee, sen sovellusalue näyttää rajattomalta.
Josep Ferrer on analytiikkainsinööri Barcelonasta. Hän valmistui fysiikan insinööriksi ja työskentelee tällä hetkellä tietotieteen alalla, jota sovelletaan ihmisen liikkuvuuteen. Hän on osa-aikainen sisällöntuottaja, joka keskittyy tietotieteeseen ja teknologiaan. Voit ottaa häneen yhteyttä LinkedIn, Twitter or Keskikokoinen.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://www.kdnuggets.com/how-to-make-large-language-models-play-nice-with-your-software-using-langchain?utm_source=rss&utm_medium=rss&utm_campaign=how-to-make-large-language-models-play-nice-with-your-software-using-langchain
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 7
- a
- kyky
- Accessed
- Pääsy
- suorittaa
- tarkkuus
- poikki
- toimiva
- toimet
- säädökset
- lisää
- osoite
- osoitteet
- käsitellään
- Hyväksyminen
- kehittynyt
- Agentti
- aineet
- sitten
- AI
- AI-käyttöinen
- Kaikki
- sallia
- Salliminen
- mahdollistaa
- jo
- Myös
- keskuudessa
- määrät
- an
- analyysi
- Analytics
- analysoida
- analysointi
- ankkuroitu
- ja
- Kaikki
- api
- API
- Hakemus
- Application Development
- sovellukset
- sovellettu
- lähestymistapa
- sopiva
- arkkitehtuuri
- OVAT
- noin
- Ryhmä
- Arsenal
- artikkeli
- keinotekoinen
- tekoäly
- AS
- pyytäminen
- arvioida
- Varat
- avustajat
- At
- autonominen
- saatavissa
- AWE
- takaisin
- Barcelona
- perustua
- perustiedot
- BE
- tulevat
- tulee
- ollut
- takana
- Paremmin
- välillä
- Rajaton
- Breaking
- lyhyesti
- Tuo
- rakentaa
- Rakentaminen
- rakennettu
- by
- CAN
- kyvyt
- kykenee
- kaapata
- tapaus
- tapauksissa
- Catering
- luola
- ketju
- kahleet
- chatbot
- chatbots
- ChatGPT
- chattailuun
- tarkastaa
- valinta
- Valita
- luokka
- koodi
- JOHDONMUKAINEN
- Tulla
- Yhteinen
- yleisesti
- Viestintä
- vertailuja
- monimutkainen
- komponentti
- osat
- tietokoneet
- kytkeä
- kytketty
- johdonmukainen
- ottaa yhteyttä
- pitoisuus
- tausta
- Keskustelu
- Muuntaminen
- muuntaa
- muuntaminen
- koordinoida
- Ydin
- korjata
- veneet
- muotoillun
- luoda
- Luominen
- luominen
- luoja
- kriteerit
- ratkaiseva
- Nykyinen
- Tällä hetkellä
- räätälöinnin
- räätälöidä
- räätälöityjä
- tiedot
- tietojenkäsittely
- tietueita
- tietokanta
- tietokannat
- syvenee
- määrittelemällä
- toimitettu
- Antaa
- Malli
- nimetty
- suunniteltu
- haluttu
- Detection
- kehittää
- kehittäjille
- Kehitys
- Laitteet
- eri
- digitaalinen
- ohjata
- suoraan
- DISCERN
- selvä
- hienostunut
- useat
- do
- asiakirja
- dokumentointi
- asiakirjat
- alas
- aikana
- kukin
- Helpoin
- helposti
- helppo
- ekosysteemi
- tehokkaasti
- tehokas
- tehokkaasti
- elementtejä
- upottamisen
- mahdollistaa
- loppu
- harjoittaa
- insinööri
- Tekniikka
- Parantaa
- valtava
- varmistamalla
- ympäristö
- kärjistyä
- olennainen
- olennaisesti
- perustaa
- Eetteri (ETH)
- jatkuvasti muuttuva
- esimerkki
- laajenee
- kokenut
- Selittää
- ulkoinen
- uute
- uuttaminen
- Kasvot
- Laitos
- tosiasiallinen
- Ominaisuus
- Ominaisuudet
- harvat
- ala
- sormenpäät
- Etunimi
- joustava
- virtaus
- neste
- Keskittää
- keskityttiin
- varten
- muoto
- muoto
- perusta
- perustava
- Puitteet
- vapaasti
- alkaen
- toiminnallisuus
- perus-
- edelleen
- tuottaa
- tuottaa
- sukupolvi
- generatiivinen
- Generatiivinen AI
- generaattori
- saada
- saada
- Go
- Googlen
- ymmärtää
- käsi
- kahva
- Käsittely
- Olla
- ottaa
- he
- häntä
- historia
- pito
- horisontti
- TUNTIA
- Miten
- Miten
- HTTPS
- Napa
- HalaaKasvot
- ihmisen
- Minä
- ajatus
- if
- tuoda
- tärkeä
- in
- kykenemättömyys
- sisältää
- Mukaan lukien
- Saapuva
- sisältävät
- indeksit
- henkilökohtainen
- teollisuuden
- tiedot
- aloittamista
- panos
- asentaa
- esimerkki
- instrumentaalinen
- Integrointi
- integraatio
- integraatiot
- Älykkyys
- olla vuorovaikutuksessa
- vuorovaikutuksessa
- vuorovaikutus
- vuorovaikutukset
- kiinnostunut
- liitäntä
- rajapinnat
- linkittäminen toisiinsa
- tulee
- monimutkainen
- intuitiivinen
- liittyy
- kysymys
- IT
- SEN
- matka
- json
- vain
- KDnuggets
- avain
- avaimet
- Kicks
- Tietää
- tunnettu
- Landschaft
- Kieli
- suuri
- johtava
- oppiminen
- vasemmalle
- Vaikutusvalta
- elämä
- pitää
- linjat
- LINK
- elävät
- liekki
- Pitkät
- kone
- koneoppiminen
- tärkein
- tehdä
- TEE
- hoitaa
- onnistui
- toimitusjohtaja
- manipuloitu
- monet
- Marketing
- Saattaa..
- välineet
- mekanismi
- mekanismit
- vain
- Metadata
- menetelmä
- ehkä
- liikkuvuus
- malli
- mallit
- modulaarinen
- moduuli
- Moduulit
- lisää
- eniten
- my
- nimetty
- syntyperäinen
- Luonnollinen
- Luonnollinen kieli
- Luonnollinen kielen käsittely
- välttämätön
- Tarve
- tarpeet
- Uusi
- uutiset
- yhteys
- mukava
- NLP
- nyt
- of
- tarjoamalla
- usein
- on
- kerran
- avoimen lähdekoodin
- OpenAI
- toiminta
- Operations
- Vaihtoehto
- or
- OS
- Muut
- meidän
- hahmotellaan
- ulostulo
- lähdöt
- erinomainen
- parametri
- osa
- erityinen
- osat
- kuviot
- Ihmiset
- suorittaa
- esittävä
- henkilöstö
- Henkilökohtaiset tietokoneet
- lausekkeet
- Fysiikka
- kappaletta
- foorumi
- Platon
- Platonin tietotieto
- PlatonData
- Pelaa
- Runous
- kantoja
- mahdollinen
- tarkasti
- parempi
- tärkein
- Ongelma
- ongelmia
- prosessi
- käsittely
- tuottaa
- Ohjelmointi
- ohjeita
- prototyyppejä
- toimittaa
- tarjoajat
- tarjoaa
- tarjoamalla
- Python
- kysymys
- nopeasti
- melko
- raaka
- valtakunta
- vastaanottava
- äskettäinen
- viittaa
- Ihmissuhteet
- merkityksellinen
- toistuva
- vastata
- edustus
- pyynnöt
- edellyttää
- vaatimus
- vaatimukset
- Vaatii
- Esittelymateriaalit
- Vastata
- vastaus
- vasteet
- vastuullinen
- säilytetään
- palata
- Tuotto
- Mullistava
- oikein
- Rooli
- s
- sama
- skenaariot
- tiede
- Tiede ja teknologia
- skriptejä
- Haku
- haut
- sektorit
- näyttää
- lähettäminen
- näkemys
- Järjestys
- palvelee
- setti
- Setit
- asetus
- merkittävä
- samankaltainen
- yksinkertaistetaan
- yksinkertaistaminen
- yksinkertaisesti
- tilanteita
- So
- Tuotteemme
- ratkaisu
- Ratkaisumme
- jonkin verran
- hienostunut
- Tila
- erikoistunut
- erikoistunut
- erityinen
- määritelty
- Vaihe
- vaiheissa
- standardointi
- alkoi
- Yhä
- Levytila
- verkkokaupasta
- varastot
- tehostaa
- virtaviivaistaminen
- jono
- rakenne
- jäsennelty
- rakenteet
- myöhempi
- merkittävästi
- niin
- sopiva
- toimittaa
- varma
- syntyy
- järjestelmä
- järjestelmät
- taulukko
- Räätälöity
- ottaa
- ottaen
- puhuminen
- Tehtävä
- tehtävät
- teknologinen
- Elektroniikka
- malleja
- tilapäinen
- yleensä
- teksti
- teksti-
- kuin
- että
- -
- heidän
- Niitä
- sitten
- Siellä.
- Nämä
- ne
- asia
- tätä
- ne
- vaikka?
- Kautta
- Näin
- että
- tänään
- yhdessä
- työkalut
- koulutus
- Muuttaa
- muunnokset
- muuntajat
- Kääntäminen
- oppitunti
- kaksi
- tyypillisesti
- ymmärtää
- ymmärtäminen
- hyödyntämätön
- us
- käyttökelpoinen
- käyttää
- käytetty
- käyttäjä
- Käyttäjät
- käyttämällä
- apuohjelmia
- käyttää
- arvot
- muuttuja
- lajike
- eri
- valtava
- monipuolisuus
- hyvin
- kautta
- haluta
- Tapa..
- tavalla
- we
- Mitä
- Mikä on
- kun
- joka
- koko
- leveä
- with
- sisällä
- ihme
- sanoja
- työnkulku
- työnkulkuja
- työskentely
- vielä
- te
- Sinun
- zephyrnet