היום, אנחנו הכריז על RStudio באמזון SageMaker, סביבת הפיתוח המשולבת (IDE) הראשונה של למידת מכונה (ML) בענן עבור מדעני נתונים העובדים ב-R. שפת הקוד הפתוח R והמערכת האקולוגית העשירה שלה עם יותר מ חבילות 18,000 הייתה בחירה מובילה עבור סטטיסטיקאים, מנתחי כמות, מדעני נתונים ומהנדסי ML. RStudio ב- SageMaker מקל על מדעני נתונים להפעיל ניתוח סטטיסטי, לבנות מודלים של ML וליצור תוכן מדעי בסביבה מרכזית עבור הצוות מבלי לדאוג לתשתית המחשוב.
יחד עם RStudio Workbench כחלק מחבילת RStudio למפתחי R נמצאים RStudio Connect ו-RStudio Package Manager. RStudio Connect מקל על הצגת תובנות ML ומדעי נתונים על עבודתם המסובכת של מדעני נתונים ולהעביר אותה לידי מקבלי ההחלטות. RStudio Connect נועד לאפשר למדעני נתונים לפרסם תובנות, לוחות מחוונים ויישומי אינטרנט. RStudio Connect גם הופך את אירוח וניהול התוכן לפשוט וניתן להרחבה לצריכה רחבה.
מנהל חבילות RStudio עוזר לארגן ולרכז חבילות R על פני צוותי ML וארגונים. כאשר מדעני נתונים מפתחים את מודל ה-ML שלהם, הם צריכים חבילות שונות עם יכולות שונות עבור מקרי השימוש ב-ML שלהם ב-RStudio. ניהול המקורות והגרסאות של החבילות הללו ושל מאגרים ציבוריים רבים באופן ידני עבור משתמשים ארגוניים נוטה לשגיאות וגם גוזל זמן. RStudio Package Manager מפחית את הבעיות הללו על ידי ניהול מאגר החבילות באופן מרכזי עבור הארגון שלך, כך שמדעני נתונים יוכלו להתקין חבילות במהירות ובאופן מאובטח, ולהבטיח שחזור וחזרה של הפרויקט. אבטחה ושחזור הם ההיבטים החשובים ביותר בתעשיות מוסדרות כמו בריאות ופיננסים.
בפוסט זה, אנו מראים לך תחילה כיצד לבנות ולפרוס את RStudio Connect ו-RStudio Package Manager עם פתרון ארכיטקט היטב ב-AWS. לאחר מכן אנו מראים לך כיצד להשתמש ב-RStudio Connect וב-RStudio Package Manager מ-RStudio ב- SageMaker. אנו משתמשים ב- מערך נתונים של סרטן השד של UCI לבנות מספר סוגים של תוכן ML בשפת R ב- RStudio ב- SageMaker. תוכן ה-ML שאנו מדגימים בפוסט כולל R Markdown ואפליקציה R Shiny
סקירת פתרונות
ארכיטקטורת הפתרון מבוססת על גרסאות מקצועיות של RStudio Connect ו-RStudio Package Manager Docker. RStudio Connect ו-RStudio Package Manager מוגדרים לשניים אזורי זמינות לזמינות גבוהה. גם מיכלי RStudio Connect וגם RStudio Package Manager תומכים בקנה מידה אוטומטי לטיפול בתעבורה נכנסת בהתאם למספר הנכנס של בקשות, זיכרון ושימוש במעבד בתוך הקונטיינרים.
תמונות מיכל מאוחסנות ומביאות מהן מרשם מיכל אלסטי של אמזון (Amazon ECR) עם סריקת פגיעות מופעלת. יש לטפל בבעיות פגיעות לפני פריסת התמונות.
התרשים הבא ממחיש את ארכיטקטורת הפתרונות.
להלן השלבים בתהליך העבודה של הפתרון:
- משתמשי R ניגשים ל-RStudio Connect ו-RStudio Package Manager באמצעות כביש אמזון 53. כביש 53 הוא שירות DNS לבקשות נכנסות.
- כביש 53 פותר בקשות נכנסות ומעביר אותן אל AWS WAF לבדיקות ביטחוניות.
- בקשות תקפות מגיעות ל- איזון עומס יישומים (ALB), המעביר את אלה ל- שירות מיכלים אלסטי של אמזון (Amazon ECS) אשכול. ה-ALB בודק בקשות נכנסות לקבלת תעודת HTTPS, אשר מונפקת ומאומתת על ידי מנהל תעודות AWS.
- Amazon ECS שולטת במכולות באשכול של ענן מחשוב אלסטי של אמזון (Amazon EC2) מופעים (סוג שיגור EC2) ב-an קבוצת קנה מידה אוטומטי ואחראי על הגדלה והקטנה של מספר המכולות לפי הצורך באמצעות א ספק קיבולת אמזון ECS.
- בקשות נכנסות מעובדות על ידי שרת RStudio Connect בכל אחד מהמכולות הזמינות של RStudio Connect; המשתמשים מאומתים ויישומים מעובדים בדפדפן האינטרנט. בקשות מנהל החבילות של RStudio מנותבות אל מיכל מנהל החבילות.
- אמזון אורורה ללא שרת מסדי נתונים של PostgreSQL משמשים כדי לספק זמינות גבוהה תוך שימוש במספר קונטיינרים עבור RStudio Connect ו-RStudio Package Manager. Aurora מגבה את מסדי הנתונים של אשכול ללא שרת באופן אוטומטי. הנתונים על Aurora מוצפנים בזמן מנוחה באמצעות שירות ניהול מפתח AWS (AWS KMS).
- מערכת הקבצים של אמזון אלסטית (Amazon EFS) מספקת את מערכת הקבצים הקבועה הנדרשת על ידי RStudio Connect ו-RStudio Package Manager. הנתונים באמזון EFS מוצפנים במנוחה באמצעות AWS KMS. Amazon EFS היא מערכת קבצים NFS המאחסנת נתונים במספר אזורי זמינות ב- אזור AWS לעמידות נתונים וזמינות גבוהה. קבצים שנוצרו על גבי RStudio Connect ו-RStudio Package Manager מיכל Amazon EFS mounts מגובים אוטומטית על ידי Amazon EFS.
- אם הפעלת המשתמש מתקשרת עם האינטרנט הציבורי, בקשות יוצאות נשלחות אל a שער NAT מרשת המשנה של המכולה הפרטית.
- שער ה-NAT שולח בקשות יוצאות לעיבוד באמצעות an שער אינטרנט. ניתן להגדיר מסלולים לאינטרנט גם על ידי AWS Transit Gateway.
אנו משתמשים ערכת פיתוח ענן AWS (AWS CDK) עבור Python לפתח את קוד התשתית ולאחסן את הקוד ב-an AWS CodeCommit מאגר, כך ש קוד צינור AWS יכול לשלב את ערימות ה-AWS CDK עבור בנייה אוטומטית.
קוד הפריסה משתמש כביש 53 אזורים מתארחים ציבוריים לשרת את RStudio Connect ו-RStudio Package Manager בכתובות URL נגישות לציבור. אתה יכול להשתמש כביש 53 אזורים מתארחים פרטיים עבור הקונטיינרים RStudio Connect ו-RStudio Package Manager עם ALB פנימי, המספק נקודות קצה פרטיות למשתמשים המגיעים מ-RStudio ב- SageMaker במצב קישוריות VPC בלבד. המשמעות היא שאינך צריך תחום ציבורי קיים בחשבון AWS שלך. עם זאת, עליך להביא את תמונות הדוקר הציבוריות (RStudio Connect, מנהל חבילות RStudio) ואחסן את אלה במאגר פרטי של Amazon ECR וכוון את קוד הפריסה לאותן תמונות עבור בניית התשתית.
אם כל התקשורת בין שירותי AWS חייבת להישאר בתוך AWS, אתה יכול להשתמש AWS PrivateLink כדי להגדיר נקודות קצה VPC עבור שירותי AWS. AWS PrivateLink מוודא שתעבורה בין שירותים לא תהיה חשופה לאינטרנט עבור נקודות קצה של שירות AWS.
אתה יכול גם להתייחס ל פתרון צוות RStudio מבית RStudio כדי ללמוד כיצד לפרוס ערימת טכנולוגיית RStudio ב-Amazon EC2 ב-AWS כחלופה לפתרון הנדון בפוסט זה.
תנאים מוקדמים
כדי לפרוס את ערימות AWS CDK מקוד המקור, עליך לסקור ולבצע את התנאים המוקדמים המתוארים בקובץ המצורף מאגר GitHub כדי לוודא שיש לך את המשאבים הדרושים כדי להמשיך.
הפעל את הפתרון
- שיבט את מאגר GitHub, לבדוק את סניף rsc-rspm, ועבור לתיקיית aws-fargate-with-rstudio-open-source.
- צור מאגר CodeCommit להחזיק את קוד המקור להתקנת RStudio Connect/RStudio Package Manager עם הפקודה הבאה:
- העבירו את הפרמטרים הנדרשים פנימה cdk.json בעקבות שלב 3 ב שלבי התקנה קטע readme קובץ.
- התקן את דרישות החבילה עבור יישום AWS CDK:
- לפני העברת הקוד למאגר CodeCommit, סנתז את ערימות ה-AWS CDK. זה מבטיח שכל ערכי ההקשר הדרושים מאוכלסים ב-
cdk.context.json
קובץ וימנע את מיפוי ערכי הדמה. - בצע את השינויים למאגר CodeCommit שיצרת. בצע את שלב 5 ב- שלבי התקנה של ה-readme אם אתה צריך עזרה עם פקודות Git.
- פרוס את ערימות AWS CDK כדי להתקין את RStudio Connect/RStudio Package Manager באמצעות CodePipeline. שלב זה לוקח בערך 30 דקות.
- נווט אל קונסולת CodePipeline (הקישור לוקח אותך ל-
us-west-2
אזור). עקוב אחר הצינור ואשר שהשירותים נבנו בהצלחה.
שם הצינור הוא RSC-RSPM-App-Pipeline-<instance>
. מנקודה זו ואילך, הצינור מופעל בהתחייבויות למאגר CodeCommit שיצרת. אין צורך לרוץ cdk deploy
(שלב 7) יותר.
- לאחר השלמת התקנת הצינור, תוכל לגשת ל- RStudio Connect ו- RStudio Package Manager באמצעות כתובות ה-URL הבאות, שם
r53_base_domain
, וinstance
הם פרמטרים שהעברת אליהם cdk.json:https://connect.<instance>.<r53_base_domain>
https://package.<instance>.<r53_base_domain>
- אתה יכול להשתמש Amazon ECS Exec כדי להיכנס גם למכולות RStudio Connect וגם ל-RStudio Package Manager. עקוב אחרי readme לקבלת הוראות.
נהל חבילות עם RStudio Package Manager
RStudio Package Manager עוזר לאפשר עקביות וסטנדרטיזציה של חבילות R בארגון. ב-RStudio Package Manager, מנהל IT יכול לכלול חבילה מאושרת במאגר. ניתן ליצור מספר קבוצות כדי לקבל גישה לחבילות או גרסאות חבילה שונות. RStudio Package Manager מטפל גם בכל העדכון והגירסאות של החבילות. המנהל יכול לאפשר עדכונים אוטומטיים לחבילות, או יכול גם להגדיר את מנהל החבילות של RStudio באופן שניתן לעדכן את החבילות רק באופן ידני, מה שמספק יותר בידוד בין מנהל החבילות של RStudio לשירות ה-CRAN.
הגדר את מנהל החבילות של RStudio
אנחנו יכולים ליצור מאגר שמושך את החבילות מה- RStudio CRAN על ידי שימוש ב- הפקודות הבאות. אנחנו צריכים SSH לתוך RStudio Package Manager באמצעות Amazon ECS Exec כדי להפעיל את הפקודות הללו.
הפקודות יוצרות מאגר ועושות לו מנוי למקור המובנה בשם cran
. כאשר זה יושלם, ה dev-cran
המאגר זמין בממשק האינטרנט של RStudio Package Manager, כפי שמוצג בצילום המסך הבא. ממשק אינטרנט זה נגיש על ידי מנהל המערכת וכן למשתמשים שיש להם את כתובת האתר עבורו.
בנוסף להגשת חבילות CRAN, ניתן ליצור מאגרים להפצת חבילות מקומיות, חבילות Git, חבילות מקומיות יחד עם חבילות CRAN, תת-קבוצה של CRAN וחבילות מקומיות מאושרות וחבילות קצה מדמם מ-GitHub. לפרטים נוספים כיצד ליצור מאגרים, ראה הגשת חבילות CRAN. בנוסף, RStudio Package Manager תומך מוליך ביו. Bioconductor הוא מערכת אקולוגית נפוצה של חבילות R במדעי החיים. אנו יכולים לשלב חבילות Bioconductor עם CRAN כמו גם חבילות מקומיות ב-RStudio Package Manager.
גרסאות חבילת RStudio Package Manager
בממשק האינטרנט של RStudio Package Manager, ב- התקנה בכרטיסייה, תוכל לבחור מאגר לפי תאריך בתצוגת לוח שנה. אתה יכול גם לבחור אם להשתמש בגרסה העדכנית ביותר של החבילות, או להקפיא את החבילות לתמונת מצב מסוימת, כפי שמוצג בצילום המסך הבא.
על התקנה בכרטיסייה, נוכל גם לראות אילו דרישות מערכת עשויות להיות נחוצות עבור חבילות המאגר, יחד עם הפקודות להתקנתן.
הגדר RStudio בדומיין של SageMaker לשימוש ב-RStudio Connect ו-RStudio Package Manager
בעת יצירת תחום SageMaker עם RStudio, יש לך אפשרות להגדיר ברירת מחדל שרת RStudio Connect ומאגר RStudio Package Manager עבור כל המשתמשים בדומיין SageMaker שלך. במהלך תהליך יצירת הדומיין של SageMaker, כמפורט ב- צור דומיין של SageMaker עם RStudio קטע ב תחילת העבודה עם RStudio באמזון SageMaker, תוכל להגדיר כתובות אתרים ברירת המחדל של RStudio Connect ו-RStudio Package Manager עבור כל פרופילי המשתמש ב- שלב 3: הגדרות RStudio. פורום RStudio Connect, הזן את כתובת האתר של שרת RStudio Connect. ל מנהל חבילות RStudio, היכנס למאגר CRAN או Bioconductor.
כתובות ברירת המחדל מוגדרות ונשמרות ב /etc/rstudio/rsession.conf
לכל המשתמשים ב- RStudio ב- SageMaker. אתה יכול לאמת את מאגר ברירת המחדל במסוף R עם options('repos')
. אתה אמור לראות מאגר המצביע על מנהל החבילות של RStudio שלך. באשר לכתובת ברירת המחדל של RStudio Connect, היא מאוכלסת אוטומטית כאשר אתה מפרסם בלחיצה אחת קטע מתוכן R.
עדכון מאגר ממנהל החבילות של RStudio בהפעלת R
אם כבר יש לך RStudio עובד ב- SageMaker ואתה רוצה להשתמש במאגר אחר, אתה יכול להגדיר את הפעלת ה-R שלך ב-RStudio ב- SageMaker לשימוש במאגר ממנהל החבילות של RStudio שלך באמצעות השלבים הבאים:
- במושב R, על כלים בתפריט, בחר אפשרויות גלובליות.
- בחרו חבילות ולאחר מכן לבחור שינוי.
- ב מותאם אישית בשדה, הזן את כתובת האתר עבור המאגר שנבחר (נמצא ב- התקנה לשונית של ממשק האינטרנט RStudio Package Manager), ובחר OK.
- בחרו OK שוב, וסיימנו!
כעת, החבילות שאנו מתקינים ב-RStudio מקורן במאגר הנבחר משרת RStudio Package Manager שלך. אתה יכול לאמת את זה עם options('repos')
או על ידי התקנת חבילה ולראות מאיפה היא מושכת. לפרטים נוספים, ראה בודקים הצלחה.
עדכן חשבון RStudio Connect בהפעלת R
אם כבר יש לך RStudio עובד ב- SageMaker ואתה רוצה להשתמש בשרת RStudio Connect שונה מהברירת מחדל, השלם את השלבים הבאים:
- על כלים בתפריט, בחר אפשרויות גלובליות.
- בחרו הוצאה לאור.
- בחרו לְחַבֵּר.
- בחרו RStudio Connect.
- הזן את כתובת האתר הציבורית של השרת שלך, לדוגמה,
https://xxxx.rstudioconnect.com
, ולבחור הַבָּא.
מופיע דף חדש המבקש ממך להתחבר עם חשבון אם זו הפעם הראשונה.
- בחרו לְחַבֵּר להמשיך.
- בחרו חבר חשבון בתיבת הדו-שיח ב-RStudio.
אתה אמור לראות את פרופיל המשתמש שלך ב-RStudio Connect ואת כתובת האתר של השרת ברשימה.
לקבלת מידע נוסף, ראה חבר את חשבון RStudio שלך, ו מתחבר: RStudio IDE.
כעת שרת RStudio Connect מחובר בהצלחה ל-RStudio ב-Amazon SageMaker. אנחנו מוכנים לבנות תוכן נהדר ולפרסם.
בנה תוכן ML ב-RStudio ב-Amazon SageMaker
אתה יכול בקלות ליצור ניתוח בתוך RStudio ב-Amazon SageMaker ולפרסם אותו בלחיצת כפתור ל-RStudio Connect שלך כך ששותפי הפעולה שלך יוכלו לצרוך את הניתוח שלך. עבור פוסט זה, אנו משתמשים ב-a מערך נתונים של סרטן השד של UCI החל מ- mlbench
כדי לעבור על כמה ממקרי השימוש הנפוצים של פרסום: R Markdown ו-Shiny app.
R Markdown
R Markdown הוא כלי נהדר להפעיל את הניתוחים שלך ב-R כחלק מקובץ Markdown ולשתף ב-RStudio Connect. ב rsconnect_rmarkdown/breast_cancer_eda.Rmd
, אנו מבצעים שני ניתוחים פשוטים וציור על מערך הנתונים יחד עם הטקסטים ב-markdown:
אנו יכולים להציג את הקובץ בתצוגה מקדימה על ידי בחירה לסרוג ופרסם אותו ב-RStudio Connect על ידי בחירה לפרסם.
מלבד R Markdown, לעתים קרובות יותר מאשר לא, אתה בונה אפליקציה אינטראקטיבית או לוח מחוונים עם Shiny. בואו נסתכל כיצד אנו יכולים לפרסם אפליקציות נוצצות מ-RStudio ב-Amazon SageMaker ל-RStudio Connect.
יישום מבריק
מַברִיק היא חבילת R המקלה על יצירת יישומי אינטרנט אינטראקטיביים באופן פרוגרמטי. זה פופולרי בקרב מדעני נתונים לשתף את הניתוחים והמודלים שלהם באמצעות יישום Shiny לבעלי העניין שלהם. ב rsconnect_shiny/breast-cancer-app/
, אנו מפתחים מודל ML ב breast_cancer_modeling.r
וליצור יישום אינטרנט כדי לאפשר למשתמשים ליצור אינטראקציה עם מודל הנתונים וה-ML.
לפרסום, פתח app.R
ולבחור לפרסם. בחר את שניהם app.R
ו breast_cancer_modeling.r
לפרסם.
באפליקציה, אתה יכול לשנות שתי תכונות להמחשה בעלילה ולבחור את נקודות הנתונים בעלילה כדי לראות נתונים בפועל ותחזיות מודל של מקרי סרטן שפירים או ממאירים. על ידי החלקת סף ההסתברות, תוכל ליצור אינטראקציה עם המודל ולקבל ספירת סיווג שונה. אתה יכול לראות את לוח המחוונים בפעולה בצילום המסך הבא.
סיכום
בפוסט זה, הראינו לכם כיצד לפרוס שרתי RStudio Connect ו-RStudio Package Manager ב-AWS עם ארכיטקטורה המבוססת על AWS Fargate ו- Amazon ECS, באמצעות AWS CDK. כאשר RStudio Connect ו-RStudio Package Manager פועלים בענן, הראינו לכם כיצד להשתמש בהם מ-RStudio ב-Amazon SageMaker. לאחר מכן הדגמנו כיצד לפרוס חומרים מבוססי R כמו R Markdown ויישומי Shiny למופע RStudio Connect בהתבסס על מקרה שימוש לחיזוי סרטן השד.
קיום מופע RStudio Connect בענן לא רק מאפשר לצוותי ML ומדעי הנתונים שלך לשתף פעולה בצורה יעילה יותר, אלא גם מקל הרבה יותר על שיתוף תובנות ML בין מחזיקי עניין ויחידות עסקיות. זה בתורו מקדם את השימוש ב-ML בארגון שלך לתוצאה עסקית טובה יותר. עם RStudio Package Manager, אתה יכול לנהל, לשרת ולהתקין במהירות ובבטחה חבילות R ממקורות מהימנים כדי להבטיח שחזור הפרויקט.
אתה יכול ללמוד עוד על RStudio ב- SageMaker מנקודת מבט של מדען נתונים בפוסט הכרזה על RStudio מנוהל במלואו באמזון SageMaker עבור מדעני נתונים. אתה יכול גם ללמוד עוד על איך להגדיר ולנהל RStudio ב- SageMaker בפוסט תחילת העבודה עם RStudio באמזון SageMaker. למידע נוסף על Amazon SageMaker Studio, ה-IDE הראשון עבור ML בענן, ראה סטודיו SageMaker של אמזון.
על הכותבים
מייקל הסיה הוא ארכיטקט פתרונות מומחה בינה מלאכותית/ML. הוא עובד עם לקוחות כדי לקדם את מסע ה-ML שלהם עם שילוב של הצעות Amazon Machine Learning והידע שלו בתחום ה-ML. בתור מושתל בסיאטל, הוא אוהב לחקור את הטבע הגדול שיש לאזור להציע, כמו מסלולי ההליכה, שייט קיאקים בנוף ב-SLU, והשקיעה במפרץ Shilshole.
חיאן פנדה הוא אדריכל תשתיות ענן. הוא מספק שירותי ייעוץ והובלת מחשבה ללקוחות AWS על עיצוב פתרונות חזקים עבור העברות ענן, תשתית ענן (אבטחה, רשת, DevOps), הטמעות של פלטפורמת Greenfield, ביג דאטה/AI/ML, ופתרונות חסרי שרת ומסד נתונים. כשהוא לא אובססיבי לגבי לקוחות, הוא נהנה מריצה קצרה, מוזיקה, ספר או טיול עם משפחתו.
פארוק סאביר הוא ארכיטקט פתרונות מומחה בינה מלאכותית/ML. הוא עוזר ללקוחות לפתור את הבעיות העסקיות שלהם באמצעות מדעי נתונים, למידת מכונה ובינה מלאכותית.
- '
- 000
- 100
- 7
- 9
- גישה
- חֶשְׁבּוֹן
- פעולה
- ייעוץ
- תעשיות
- אמזון בעברית
- אמזון
- למידת מכונת אמזון
- אמזון SageMaker
- בין
- אנליזה
- האפליקציה
- בקשה
- יישומים
- אפליקציות
- ארכיטקטורה
- סביב
- בינה מלאכותית
- כּוֹכָב הַשַׁחַר
- אוטומטי
- זמינות
- AWS
- מִפרָץ
- שחור
- קצה מדמם
- סרטן השד
- דפדפן
- לִבנוֹת
- בִּניָן
- עסקים
- יומן אירועים
- מחלת הסרטן
- קיבולת
- מקרים
- תעודה
- שינוי
- בדיקות
- מיון
- ענן
- תשתית ענן
- קוד
- מגיע
- Common
- תקשורת
- לחשב
- קישוריות
- לצרוך
- צְרִיכָה
- מכולה
- מכולות
- תוכן
- יוצרים
- לקוחות
- לוח מחוונים
- נתונים
- מדע נתונים
- מסד נתונים
- מאגרי מידע
- עיצוב
- לפתח
- מפתחים
- צעצועי התפתחות
- דופים
- DNS
- סַוָר
- המערכת האקולוגית
- אדג '
- מהנדסים
- מִפְעָל
- סביבה
- משפחה
- תכונות
- לממן
- ראשון
- firsttime
- לעקוב
- להקפיא
- gif
- Git
- GitHub
- גדול
- בריאות
- גָבוֹהַ
- טיולים
- להחזיק
- אירוח
- איך
- איך
- HTTPS
- ICS
- תעשיות
- מידע
- תשתית
- תובנות
- מוֹדִיעִין
- אינטראקטיבי
- אינטרנט
- בדידות
- בעיות
- IT
- מפתח
- ידע
- שפה
- האחרון
- לשגר
- מנהיגות
- לִלמוֹד
- למידה
- מדעי חיים
- קשר
- רשימה
- לִטעוֹן
- מקומי
- למידת מכונה
- ניהול
- חומרים
- ML
- מודל
- אמא
- המהלך
- כלי נגינה
- רשת
- הַצָעָה
- הצעות
- לפתוח
- אפשרות
- ארגון
- ארגונים
- פרספקטיבה
- פלטפורמה
- פופולרי
- נבואה
- התחזיות
- תצוגה מקדימה
- פְּרָטִי
- פּרוֹפִיל
- פרופילים
- פּרוֹיֶקט
- ציבורי
- לפרסם
- מושך
- פיתון
- כמו
- דרישות
- משאבים
- REST
- סקירה
- מסלול
- הפעלה
- ריצה
- בעל חכמים
- דרוג
- סריקה
- מדע
- מדעים
- מדענים
- סיאטל
- אבטחה
- נבחר
- ללא שרת
- שירותים
- הגשה
- סט
- שיתוף
- קצר
- פָּשׁוּט
- תמונת בזק
- So
- פתרונות
- לפתור
- החל
- להשאר
- חנות
- חנויות
- שקיעת השמש
- תמיכה
- תומך
- משטח
- מערכת
- טכנולוגיה
- המקור
- מנהיגות מחשבתית
- זמן
- חלק עליון
- תְנוּעָה
- מעבר
- נסיעות
- עדכונים
- משתמשים
- לצפיה
- פגיעות
- אינטרנט
- יישומי אינטרנט
- דפדפן אינטרנט
- מי
- בתוך
- תיק עבודות
- זרימת עבודה
- עובד