著者による画像
このチュートリアルでは、さまざまなユースケースに合わせて OpenAI API をセットアップして使用する方法を学びます。このチュートリアルは、Python プログラミングの知識が限られている人でも理解しやすいように設計されています。誰でも応答を生成し、高品質の大規模言語モデルにアクセスできる方法を探っていきます。
オープンAI API 開発者は、OpenAI によって開発された幅広い AI モデルに簡単にアクセスできます。開発者が最先端の OpenAI モデルを活用したインテリジェントな機能をアプリケーションに組み込むことができる、ユーザーフレンドリーなインターフェイスを提供します。 API は、テキスト生成、マルチターン チャット、埋め込み、文字起こし、翻訳、テキスト読み上げ、画像理解、画像生成など、さまざまな目的に使用できます。さらに、この API は、curl、Python、Node.js と互換性があります。
OpenAI API の使用を開始するには、まず openai.com でアカウントを作成する必要があります。以前は、すべてのユーザーに無料のクレジットが付与されていましたが、現在は新規ユーザーはクレジットを購入する必要があります。
クレジットを購入するには、「設定」、「請求」、最後に「支払い詳細の追加」に移動します。デビットカードまたはクレジットカードの情報を入力し、自動リチャージを必ず無効にしてください。 10 USD をチャージすると、XNUMX 年間使用できます。
「API キー」に移動し、「新しい秘密キーの作成」を選択して、API キーを作成しましょう。名前を付けて「秘密キーの作成」をクリックします。
API をコピーし、ローカル マシンに環境変数を作成します。
私はIDEとしてDeepnoteを使用しています。環境変数を作成するのは簡単です。 「統合」に移動し、「環境変数の作成」を選択し、キーの名前と値を指定して、統合を作成するだけです。
次に、pip を使用して OpenAI Python パッケージをインストールします。
%pip install --upgrade openai
次に、さまざまなタイプのモデルにグローバルにアクセスできるクライアントを作成します。
環境変数に「OPENAI_API_KEY」という名前を設定した場合、OpenAI クライアントに API キーを提供する必要はありません。
from openai import OpenAI
client = OpenAI()
API キーを指定する必要があるのは、環境変数の名前がデフォルトの名前と異なる場合のみであることに注意してください。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("SECRET_KEY"),
)
従来の関数を使用して応答を生成します。完了関数では、応答を生成するためにモデル名、プロンプト、およびその他の引数が必要です。
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)
GPT3.5 モデルは、イーロン・マスクに関する驚くべきストーリーを生み出しました。
追加の引数 `stream` を指定することで、応答をストリーミングすることもできます。
ストリーム機能を使用すると、完全な応答を待つ代わりに、出力が生成されるとすぐに処理できるようになります。このアプローチは、言語モデルの出力を一度にではなくトークンごとに返すことにより、知覚される待ち時間を短縮するのに役立ちます。
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="")
モデルは API チャット完了を使用しました。応答を生成する前に、利用可能なモデルを調べてみましょう。
利用可能なすべてのモデルのリストを表示するか、 Models 公式ドキュメントのページ。
print(client.models.list())
最新バージョンの GPT-3.5 を使用し、システム プロンプトとユーザー メッセージの辞書のリストを提供します。必ず同じメッセージ パターンに従ってください。
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)
ご覧のとおり、従来の API と同様の結果が生成されました。では、なぜこの API を使用するのでしょうか?次に、チャット完了 API がより柔軟で使いやすい理由を学びます。
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.........
ここでは、AI モデルとマルチターン会話を行う方法を学びます。これを行うには、前の会話にアシスタントの応答を追加し、同じメッセージ形式で新しいプロンプトも含めます。その後、チャット補完機能に辞書のリストを提供します。
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)
モデルはコンテキストを理解し、特徴量エンジニアリングを要約しました。
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.
高度なアプリケーションを開発するには、テキストを埋め込みに変換する必要があります。これらの埋め込みは、類似性検索、セマンティック検索、および推奨エンジンに使用されます。 API テキストとモデル名を指定することで、埋め込みを生成できます。それはとても簡単です。
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,.......]
テキストを音声に変換したり、音声をテキストに変換したり、オーディオ API を使用して翻訳したりできるようになりました。
転写
私たちは使用します Wi-Fi 7 がすべてを変える YouTubeビデオをmp3に変換します。その後、ファイルを開いて音声トランスクリプト API に提供します。
audio_file= open("Data/techlinked.mp3", "rb")
transcript = client.audio.transcriptions.create(
model="whisper-1",
file=audio_file
)
print(transcript.text)
ウィスパーモデルは素晴らしいです。音声の完璧なトランスクリプトが付いています。
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,......
インタビュー
英語の音声を別の言語に書き写すこともできます。私たちの場合は、ウルドゥー語に変換します。別の引数「言語」を追加し、それに ISO 言語コード「ur」を指定するだけです。
translations = client.audio.transcriptions.create(
model="whisper-1",
response_format="text",
language="ur",
file=audio_file,
)
print(translations)
非ラテン語の翻訳は不完全ですが、最低限の実用的な製品には使用できます。
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........
スピーチへのテキスト
テキストを自然な音声に変換するために、Speech API を使用し、モデル名、声優名、および入力テキストを提供します。次に、音声ファイルを「Data」フォルダーに保存します。
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")
Deepnote Notebook 内でオーディオ ファイルを聞くには、IPython Audio 関数を使用します。
from IPython.display import Audio
Audio("Data/song.mp3")
OpenAI API は、チャット完了機能を通じてユーザーにマルチモーダル モデルへのアクセスを提供します。画像を理解するために、最新の GPT-4 ビジョン モデルを使用できます。
message 引数には、画像と画像の URL に関する質問をするためのプロンプトが用意されています。画像の出典元は Pixabay。エラーを避けるために、同じメッセージ形式に従っていることを確認してください。
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)
出力はイメージを完全に説明しています。
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.
画像 URL を提供する代わりに、ローカル画像ファイルをロードしてチャット完了 API に提供することもできます。これを行うには、まずイメージをダウンロードする必要があります。 マンジート・シン・ヤダフ pexels.comから。
!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"
次に、画像をロードしてbase64形式でエンコードします。
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)
画像の URL を提供する代わりに、メタデータと画像の Base64 文字列を提供します。
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)
モデルは画像の分析に成功し、それについて詳細な説明を提供しました。
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
DALLE-3 モデルを使用して画像を生成することもできます。モデル名、プロンプト、サイズ、品質、画像の数を画像 API に指定するだけです。
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
生成されたイメージはオンラインに保存され、ダウンロードしてローカルに表示できます。これを行うには、画像の URL と保存先のローカル ディレクトリを指定して、`request` 関数を使用して画像をダウンロードします。その後、Pillow ライブラリの Image 関数を使用して画像を開いて表示します。
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()
生成された高品質の画像を受け取りました。本当に素晴らしいです!
OpenAI Python API の実行に苦労している場合は、お気軽に私のプロジェクトをチェックしてください。 ディープノート.
私はしばらく OpenAPI を試してきましたが、最終的に使用したクレジットは 0.22 ドルのみで、これはかなり手頃だと思います。私のガイドがあれば、初心者でも独自の AI アプリケーションの構築を始めることができます。これは単純なプロセスです。独自のモデルをトレーニングしたり、デプロイしたりする必要はありません。 API を使用して最先端のモデルにアクセスできます。API は新しいリリースごとに継続的に改善されています。
このガイドでは、OpenAI Python API を設定し、単純なテキスト応答を生成する方法について説明します。また、マルチターン チャット、埋め込み、文字起こし、翻訳、音声合成、ビジョン、画像生成 API についても学びます。
これらの API を使用して高度な AI アプリケーションを構築してほしい場合は、お知らせください。
読んでくれてありがとう。
アビッド・アリ・アワン (@ 1abidaliawan)は、機械学習モデルの構築を愛する認定データサイエンティストの専門家です。 現在、彼はコンテンツの作成と、機械学習とデータサイエンステクノロジーに関する技術ブログの執筆に注力しています。 Abidは、技術管理の修士号と電気通信工学の学士号を取得しています。 彼のビジョンは、精神疾患に苦しんでいる学生のためにグラフニューラルネットワークを使用してAI製品を構築することです。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: 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
- :持っている
- :は
- :not
- :どこ
- $UP
- 1
- 10
- 12
- 13
- 14
- 16
- 17
- 19
- 2%
- 20
- 21
- 22
- 5
- 6
- 7
- 8
- 9
- a
- 能力
- 私たちについて
- それについて
- アクセス
- アクセス可能な
- アクセス
- 正確な
- 加えます
- さらに
- 熟達した
- 高度な
- 手頃な価格の
- 後
- 集約する
- 農業
- AI
- AIモデル
- 目指す
- すべて
- アライアンス
- ことができます
- 合金
- 一人で
- 既に
- また
- 驚くべき
- an
- 分析
- 分析
- および
- 発表の
- 別の
- どれか
- 誰も
- API
- API
- 登場する
- 申し込み
- アプローチ
- です
- AREA
- エリア
- 引数
- 引数
- 整えられた
- AS
- アジア
- アジアン
- 質問
- アシスタント
- 関連する
- At
- 雰囲気
- オーディオ
- 利用できます
- 避ける
- 背景
- 帯域幅
- BE
- き
- 初心者
- 始め
- さ
- より良いです
- 最大の
- 請求
- バイナリ
- 恵まれた
- ブログ
- 青
- 明るい
- 持って来る
- 持参
- ビルド
- 建物
- 焙煎が極度に未発達や過発達のコーヒーにて、クロロゲン酸の味わいへの影響は強くなり、金属を思わせる味わいと乾いたマウスフィールを感じさせます。
- by
- カンボジア
- 缶
- カード
- 携帯
- 場合
- 例
- カテゴリ
- 認証
- 証明する
- 変化する
- チャネル
- チャット
- チェック
- クリック
- クライアント
- コード
- コレクション
- COM
- コマンドと
- 一般に
- 互換性のあります
- コンプリート
- 完成
- 複雑な
- 理解する
- コンセプト
- 確認済み
- consumer
- 家電
- コンテンツ
- コンテンツ作成
- 中身
- コンテキスト
- 継続的に
- 会話
- 変換
- 変換
- 可能性
- 国
- カバー
- 作ります
- 作成します。
- 作成
- 創造
- 創造性
- クレジット
- クレジットカード
- 重大な
- 現在
- 暗いです
- データ
- データサイエンス
- データサイエンティスト
- データベース
- 日
- デビット
- 意思決定
- def
- デフォルト
- 度
- 展開します
- 砂漠
- 設計
- 設計
- 詳細な
- 細部
- 決定する
- 開発する
- 発展した
- 開発者
- Devices
- 異なります
- 難しい
- ディスプレイ
- do
- ドキュメント
- ドル
- ドン
- ダウンロード
- 各
- 容易
- 簡単に
- 簡単に
- エッジ(Edge)
- 効果的な
- 電子
- エロン
- イーロン·マスク
- 埋め込み
- 可能
- エンコーディング
- 終わった
- エンジニアリング
- エンジン
- 英語
- 高めます
- 濃縮
- 確保
- 入力します
- 環境
- エラー
- エーテル(ETH)
- 空気のような
- さらに
- あらゆる
- 正確な
- 経験豊かな
- 実験中
- 説明する
- 説明
- 探る
- 余分な
- 抽出
- 農業
- 特徴
- 特徴
- 感じます
- フィールド
- File
- 充填
- フィルタリング
- 最後に
- もう完成させ、ワークスペースに掲示しましたか?
- 名
- フレキシブル
- 浸水した
- 焦点を当てて
- 焦点
- 額
- 形式でアーカイブしたプロジェクトを保存します.
- 発見
- 無料版
- から
- function
- 生成する
- 生成された
- 生成
- 世代
- 取得する
- GIF
- 与える
- 与えられた
- グローバルに
- Go
- ゴールド
- グラフ
- グラフ ニューラル ネットワーク
- 成長
- ガイド
- ハンドリング
- 持っています
- 嫌い
- 持ってる
- he
- ことができます
- 彼女の
- こちら
- 高品質
- ハイライト
- 彼の
- 保持している
- 認定条件
- How To
- HTTPS
- i
- 識別する
- 識別
- if
- 病気
- 画像
- 画像生成
- 画像
- import
- 重要
- 改善します
- 改善
- in
- include
- 含めて
- 組み込む
- インディアン
- 個人
- 産業を変えます
- 情報
- 有益な
- install
- 統合
- インテリジェント-
- 相互作用
- インタフェース
- に
- 関与
- ISO
- IT
- ITS
- ジュエリー
- JPG
- ただ
- KDナゲット
- キー
- キー
- 知っている
- 知識
- 既知の
- 風景
- 言語
- ESL, ビジネスESL <br> 中国語/フランス語、その他
- 大
- LAS
- ラスベガス
- 姓
- レイテンシ
- 最新の
- LEARN
- 学習
- Legacy
- う
- 図書館
- ような
- 限定的
- リスト
- ll
- 負荷
- ローディング
- ローカル
- 局部的に
- 場所
- で
- 機械
- 機械学習
- make
- 作成
- 管理
- 多くの
- マスター
- me
- 意味する
- 意味のある
- メンタル
- 精神疾患
- メッセージ
- メッセージ
- メソッド
- 最小
- 最低限の実行可能な製品
- 行方不明
- モード
- モデリング
- モデル
- 他には?
- 最も
- 山
- 麝香
- my
- 自分
- 名
- ナビゲート
- 必要
- ネットワーク
- ニューラル
- ニューラルネットワーク
- 決して
- 新作
- 新しい特徴
- 新しい利用者
- 次の
- Node.js
- 鼻
- 注意
- ノート
- 今
- 数
- of
- 公式
- 正式に
- on
- かつて
- ONE
- オンライン
- の
- 開いた
- OpenAI
- 最適化
- or
- OS
- その他
- 私たちの
- でる
- 出力
- 自分の
- パッケージ
- ページ
- 部
- 部品
- パターン
- 支払い
- 知覚される
- 完璧
- 完璧に
- パフォーマンス
- 人
- フィリピン
- ピース
- ピース
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- お願いします
- 多項式
- 電力
- パワード
- 予測的
- 準備中
- 前
- 前に
- プロセス
- 処理
- プロダクト
- プロ
- プログラミング
- プロジェクト
- プロンプト
- 保護
- 提供します
- 提供
- は、大阪で
- 提供
- 購入
- 目的
- Python
- 品質
- 質問
- 非常に
- RAIN
- 範囲
- 急速に
- むしろ
- 読む
- リーディング
- 受け
- おすすめ
- 減らします
- 縮小
- 精錬
- レギュラー
- リリース
- 関連した
- 返信
- 表す
- 要求
- の提出が必要です
- 必要
- 応答
- 回答
- REST
- 結果
- return
- 返す
- 米
- 右
- リング
- 職種
- ラン
- 農村
- 農村部
- s
- 神聖な
- 安全な
- 同じ
- SAND
- Save
- 保存されました
- スケーリング
- シーン
- 科学
- 科学者
- を検索
- 秘密
- しっかりと
- select
- 選択
- セマンティック
- セッションに
- 設定
- 彼女
- ショート
- すべき
- 表示する
- 作品
- 著しく
- 同様の
- 簡単な拡張で
- 単に
- 座っている
- サイズ
- 空
- So
- 一部
- 幾分
- すぐに
- 調達
- 南東
- 特に
- スピーチ
- 標準
- start
- 開始
- 都道府県
- 最先端の
- ストレージ利用料
- ストーリー
- 流れ
- 文字列
- 構造化された
- 構造化データと非構造化データ
- 苦労して
- 生徒
- 研究
- 首尾よく
- そのような
- まとめる
- 日
- 日光
- 確か
- 驚き
- T
- タスク
- 技術的
- テクニック
- テクノロジー
- テクノロジー
- テレコミュニケーション
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- テキスト生成
- テキストを音声に変換する
- テキスト
- タイ
- より
- それ
- フィリピン
- アプリ環境に合わせて
- それら
- その後
- ボーマン
- 彼ら
- 考える
- この
- それらの
- 介して
- 時間
- 〜へ
- 一緒に
- トークン
- 伝統的な
- トレーニング
- トレーニング
- 成績証明書(トランスクリプト)
- 変換
- 変換
- 翻訳する
- インタビュー
- 翻訳
- 樹木類
- トロール
- true
- チュートリアル
- Twice
- type
- 一般的に
- 理解する
- 理解された
- 異なり、
- 非構造化
- ウルドゥー語
- URL
- us
- 使用可能な
- USD
- つかいます
- 中古
- ユーザー
- 「DeckleBenchは非常に使いやすく最適なソリューションを簡単に見つけることができるため、稼働率が向上しコストも削減した。当社の旧システムは良かったが改善は期待していなかった。
- users
- 値
- 価値観
- 変数
- variables
- さまざまな
- Ve
- ベクトル
- VEGAS
- バージョン
- 実行可能な
- ビデオ
- ベトナム
- 詳しく見る
- ビジョン
- ボイス
- ボリューム
- 待っています
- ウォーキング
- 欲しいです
- ました
- we
- WELL
- この試験は
- 何ですか
- which
- ウィスパー
- 白
- 誰
- なぜ
- Wi-Fiあり
- ワイド
- 広い範囲
- 意志
- 以内
- 女性
- 素晴らしい
- 仕事
- 共に働く
- 世界
- 書きます
- 書き込み
- 年
- 貴社
- 若い
- あなたの
- ユーチューブ
- ゼファーネット