데이터 시대에 오신 것을 환영합니다. 매일 캡처되는 엄청난 양의 데이터가 계속해서 증가하고 있으며 플랫폼과 솔루션의 진화를 요구하고 있습니다. 다음과 같은 서비스 아마존 단순 스토리지 서비스 (Amazon S3)는 증가하는 데이터 세트에 적응하면서도 비용 효율적인 확장 가능한 솔루션을 제공합니다. 그만큼 Amazon 지속 가능성 데이터 이니셔티브 (ASDI)는 Amazon S3의 기능을 사용하여 전 세계에서 기후 과학 워크로드를 저장하고 공유할 수 있는 무료 솔루션을 제공합니다. Amazon의 개방형 데이터 후원 프로그램을 통해 조직은 AWS에서 무료로 호스팅할 수 있습니다.
지난 XNUMX년 동안 우리는 데이터 과학 커뮤니티의 대량 채택과 함께 결실을 맺는 데이터 과학 프레임워크의 급증을 보았습니다. 그러한 프레임워크 중 하나는 다 스크, 작업자 컴퓨팅 노드의 오케스트레이션을 프로비저닝하는 기능이 강력하여 대규모 데이터 세트에 대한 복잡한 분석을 가속화합니다.
이 게시물에서는 사용자 정의를 배포하는 방법을 보여줍니다. AWS 클라우드 개발 키트 (AWS CDK) Dask의 기능을 확장하여 Amazon의 글로벌 네트워크에서 지역 간 작업을 수행하는 솔루션입니다. AWS CDK 솔루션은 두 개의 AWS 리전에 걸쳐 Dask 작업자 네트워크를 배포하여 클라이언트 리전에 연결합니다. 자세한 내용은 다음을 참조하십시오. AWS에서 교차 지역 Dask를 사용하는 분산 컴퓨팅에 대한 지침 그리고 GitHub 레포 오픈 소스 코드용.
배포 후 사용자는 Jupyter 노트북에 액세스하여 AWS에서 ASDI의 두 데이터 세트와 상호 작용할 수 있습니다. 결합 모델 상호 비교 프로젝트 6(CMIP6) 및 ECMWF ERA5 재분석. CMIP6은 전지구적으로 결합된 해양-대기 대순환 모델 앙상블의 여섯 번째 단계에 초점을 맞춥니다. ERA5는 지구 기후에 대한 ECMWF 대기 재분석의 XNUMX세대이며 운영 서비스로 생산된 최초의 재분석입니다.
이 솔루션은 주요 AWS 고객인 영국 본사. Met Office는 1854년에 설립되었으며 영국의 국가 기상 서비스입니다. 안전하고 번영하기 위해 더 나은 결정을 내리는 데 도움이 되는 날씨 및 기후 예측을 제공합니다. Met Office와 EUMETSAT 간의 협력에 대해 자세히 설명합니다. 데이터 센터 간에 분산된 Dask Cluster에서의 Data Proximate Computation, 지속 가능하고 효율적이며 확장 가능한 데이터 과학 솔루션을 개발해야 할 필요성이 증가하고 있음을 강조합니다. 이 솔루션은 비용, 대기 시간 및 에너지를 추가하는 컴퓨팅 리소스에 데이터를 강제로 더 가깝게 하는 대신 컴퓨팅을 데이터에 더 가깝게 가져옴으로써 이를 달성합니다.
솔루션 개요
영국 기상청은 매일 최대 300TB의 날씨 및 기후 데이터를 생성하며 그 중 일부는 ASDI에 게시됩니다. 이러한 데이터 세트는 전 세계에 배포되며 공용 사용을 위해 호스팅됩니다. Met Office는 소비자가 기후 변화로 인한 산불 및 홍수에 대한 더 나은 준비와 더 나은 작물 수확량 분석을 통해 식량 불안을 줄이는 것과 같은 문제를 해결하는 데 중요한 결정을 내리는 데 도움이 되도록 더 많은 데이터를 만들 수 있기를 바랍니다.
오늘날 특히 기후 데이터와 함께 사용되는 기존 솔루션은 시간이 많이 걸리고 지속 불가능하며 여러 지역에서 데이터 세트를 복제합니다. 페타바이트 규모의 불필요한 데이터 전송은 비용이 많이 들고 느리며 에너지를 소비합니다.
Met Office 사용자가 이 관행을 채택하면 가정 40가구의 일일 전력 소비량을 매일 절약할 수 있고 지역 간 데이터 전송도 줄일 수 있을 것으로 추정했습니다.
다음 다이어그램은 솔루션 아키텍처를 보여줍니다.
솔루션은 클라이언트, 작업자 및 네트워크의 세 가지 주요 세그먼트로 나눌 수 있습니다. 각각에 대해 살펴보고 어떻게 결합되는지 살펴보겠습니다.
Client
클라이언트는 데이터 과학자가 연결하는 소스 지역을 나타냅니다. 이 지역(다이어그램의 지역 A)에는 Amazon SageMaker 노트북, 아마존 오픈서치 서비스 도메인 및 작업 스케줄러 핵심 구성 요소로. 시스템 관리자는 다음을 통해 노출되는 내장된 Dask 대시보드에 액세스할 수 있습니다. 탄력적로드 밸런서.
데이터 과학자는 SageMaker에서 호스팅되는 Jupyter 노트북에 액세스할 수 있습니다. 노트북은 Dask 스케줄러에서 워크로드를 연결하고 실행할 수 있습니다. OpenSearch Service 도메인은 리전에서 연결된 데이터 세트에 메타데이터를 저장합니다. 노트북 사용자는 데이터의 지역 위치를 미리 알 필요 없이 이 서비스를 쿼리하여 올바른 Dask 작업자 지역과 같은 세부 정보를 검색할 수 있습니다.
노동자
각 작업자 영역(다이어그램의 영역 B 및 C)은 다음으로 구성됩니다. Amazon 탄력적 컨테이너 서비스 (Amazon ECS) 클러스터 다크 워커, Luster 용 Amazon FSx 파일 시스템 및 독립형 아마존 엘라스틱 컴퓨트 클라우드 (아마존 EC2) 인스턴스. FSx for Lustre를 사용하면 Dask 작업자가 파일 시스템을 S3 버킷에 연결하여 고성능 파일 시스템에서 Amazon S3 데이터에 액세스하고 처리할 수 있습니다. 밀리초 미만의 대기 시간, 최대 수백 GB/s의 처리량 및 수백만 IOPS를 제공합니다. Lustre의 핵심 기능은 파일 시스템의 메타데이터만 동기화된다는 것입니다. Lustre는 수요에 따라 로드하고 따뜻하게 유지할 파일의 균형을 관리합니다.
작업자 클러스터는 CPU 사용량에 따라 확장되고, 확장된 수요 기간에 추가 작업자를 프로비저닝하고, 리소스가 유휴 상태가 되면 축소됩니다.
매일 밤 0:00 UTC에 데이터 동기화 작업이 Lustre 파일 시스템에 연결된 S3 버킷과 재동기화하라는 메시지를 표시하고 버킷의 최신 메타데이터 카탈로그를 가져옵니다. 그 후 독립 실행형 EC2 인스턴스는 이러한 업데이트를 해당 지역의 인덱스에 해당하는 OpenSearch 서비스로 푸시합니다. OpenSearch Service는 특정 데이터 세트에 대해 호출해야 하는 작업자 풀과 관련하여 필요한 정보를 클라이언트에 제공합니다.
네트워크
네트워킹은 Amazon의 내부 백본 네트워크를 활용하여 이 솔루션의 핵심을 형성합니다. 사용하여 AWS 전송 게이트웨이, 공용 인터넷을 통과할 필요 없이 각 리전을 서로 연결할 수 있습니다. 각 작업자는 Dask 스케줄러에 동적으로 연결할 수 있으므로 데이터 과학자가 Dask를 통해 지역 간 쿼리를 실행할 수 있습니다.
사전 조건
AWS CDK 패키지는 TypeScript 프로그래밍 언어를 사용합니다. 의 단계를 따르십시오. AWS CDK 시작하기 로컬 환경을 설정하고 개발 계정을 부트스트랩하려면(다음에 지정된 모든 지역을 부트스트랩해야 합니다. GitHub 레포).
성공적인 배포를 위해서는 다음이 필요합니다. 도커 설치됨 로컬 컴퓨터에서 실행 중입니다.
AWS CDK 패키지 배포
AWS CDK 패키지 배포는 간단합니다. 필수 구성 요소를 설치하고 계정을 부트스트랩한 후 코드 베이스 다운로드를 진행할 수 있습니다.
- 를 다운로드 GitHub 저장소:
- 노드 모듈 설치:
- AWS CDK를 배포합니다.
스택을 배포하는 데 XNUMX시간 XNUMX분 이상 걸릴 수 있습니다.
코드 연습
이 섹션에서는 코드 베이스의 몇 가지 주요 기능을 검사합니다. 전체 코드 베이스를 검사하려면 다음을 참조하십시오. GitHub 저장소.
스택 구성 및 사용자 정의
파일에서 빈/변수.ts, 두 개의 변수 선언을 찾을 수 있습니다. 하나는 클라이언트용이고 다른 하나는 작업자용입니다. 클라이언트 선언은 지역 및 CIDR 범위에 대한 참조가 있는 사전입니다. 이러한 변수를 사용자 지정하면 클라이언트 리소스가 배포되는 지역 및 CIDR 범위가 모두 변경됩니다.
작업자 변수는 이와 동일한 기능을 복사합니다. 그러나 사용자가 포함하려는 데이터 세트를 더하거나 빼는 것을 수용하기 위한 사전 목록입니다. 또한 각 사전에는 dataset
및 lustreFileSystemPath
. 데이터 세트는 Lustre가 연결할 연결 S3 URI를 지정하는 데 사용됩니다. 그만큼 lustreFileSystemPath
변수는 사용자가 해당 데이터 세트를 작업자 파일 시스템에서 로컬로 매핑하는 방법에 대한 매핑으로 사용됩니다. 다음 코드를 참조하십시오.
스케줄러 IP를 동적으로 게시
이 프로젝트의 지역 간 특성에 내재된 문제는 Dask 작업자와 스케줄러 간의 동적 연결을 유지하는 것이었습니다. AWS 리전 전체에서 변경할 수 있는 IP 주소를 게시하려면 어떻게 해야 합니까? 우리는 다음을 사용하여 이를 달성할 수 있었습니다. AWS 클라우드 맵 및 Associate-vpc-with-hosted-zone. 서비스는 AWS가 이 DNS 네임스페이스를 비공개로 관리할 수 있도록 추상화합니다. 다음 코드를 참조하십시오.
주피터 노트북 UI
SageMaker에서 호스팅되는 Jupyter 노트북은 과학자들에게 로드된 데이터 세트에 쉽게 연결하고 실험할 수 있는 배포용 기성 환경을 제공합니다. 우리는 수명주기 구성 스크립트 사전 구성된 개발자 환경 및 예제 코드 베이스로 노트북을 프로비저닝합니다. 다음 코드를 참조하십시오.
작업 작업자 노드
Dask 작업자의 경우 더 구체적으로 인스턴스 유형, 컨테이너당 스레드 및 스케일링 경보에 대해 더 큰 사용자 정의 기능이 제공됩니다. 기본적으로 작업자는 인스턴스 유형 m5d.4xlarge에서 프로비저닝하고 시작 시 Lustre 파일 시스템에 마운트하며 해당 작업자와 스레드를 동적으로 포트로 세분화합니다. 이 모든 것은 선택적으로 사용자 정의할 수 있습니다. 다음 코드를 참조하십시오.
퍼포먼스
성능을 평가하기 위해 한 달 동안의 CMIP2 예측과 6년 동안의 ERA5 평균 기온 간의 차이를 기반으로 10미터에서 기온의 샘플 계산 및 플로팅을 사용합니다. 우리는 각 지역에서 두 명의 작업자를 벤치마크로 설정하고 추가 작업자가 추가됨에 따라 시간 단축의 차이를 평가합니다. 이론적으로 솔루션이 확장됨에 따라 전체 시간을 줄이는 데 생산적인 재료 차이가 있어야 합니다.
다음 표에는 데이터 세트 세부 정보가 요약되어 있습니다.
데이터 세트 | 변수 | 디스크 크기 | Xarray 데이터세트 크기 | 지역 |
방어율 5 | 2011–2020(netcdf 파일 120개) | 53.5GB | 364.1 GB | 미국 동부 1 |
CMIP6 | 1.13GB | 0.11 GB | 우리 - 웨스트 - 2 |
다음 표는 수집된 결과를 보여주며, CMIP6 예측, ERA5 및 차이 계산의 XNUMX단계에서 각 계산 및 예측에 대한 시간(초)을 보여줍니다.
. | . | 근로자 수 | |||
계산 | 지역 | 2(CMIP) + 2(ERA) | 2(CMIP) + 4(ERA) | 2(CMIP) + 8(ERA) |
2(CMIP) + 12(자책점) |
CMIP6(predicted_tas_regridded ) |
우리 - 웨스트 - 2 | 11.8 | 11.5 | 11.2 | 11.6 |
방어율5(historic_temp_regridded ) |
미국 동부 1 | 1512 | 711 | 427 | 202 |
차이 (propogated pool ) |
us-west-2 및 us-east-1 | 1527 | 906 | 469 | 251 |
다음 그래프는 성능과 규모를 시각화합니다.
실험에서 작업자 수가 증가함에 따라 ERA5 데이터 세트에 대한 계산에서 선형 개선을 관찰했습니다. 작업자 수가 증가함에 따라 계산 시간이 때때로 절반으로 줄었습니다.
주피터 노트
솔루션 출시의 일환으로 사전 구성된 Jupyter 노트북을 배포하여 지역 간 Dask 솔루션 테스트를 돕습니다. 이 노트북은 백그라운드에서 실행되는 일련의 Jupyter 노트북을 통해 카탈로그를 쿼리하는 대신 데이터 세트의 지역 위치를 알아야 하는 걱정이 사라짐을 보여줍니다.
시작하려면 이 섹션의 지침을 따르십시오.
노트북용 코드는 다음에서 찾을 수 있습니다. lib/SagemakerCode
기본 노트북은 ux_notebook.ipynb
. 이 노트북은 다른 노트북을 호출하여 도우미 스크립트를 트리거합니다. ux_notebook
다른 곳으로 갈 필요 없이 과학자들이 진입할 수 있도록 설계되었습니다.
시작하려면 AWS CDK를 배포한 후 SageMaker에서 이 노트북을 여십시오. AWS CDK는 리포지토리의 모든 파일이 로드되고 백업된 노트북 인스턴스를 생성합니다. AWS 코드 커밋 저장소.
응용 프로그램을 실행하려면 첫 번째 셀을 열고 실행하십시오. ux_notebook
. 이 셀은 다음을 실행합니다. get_variables
선택하려는 데이터에 대한 입력을 요구하는 백그라운드의 노트북. 우리는 예를 포함합니다; 그러나 질문은 이전 옵션을 선택한 후에만 나타납니다. 이는 드롭다운 선택을 제한하기 위한 의도이며 선택적으로 get_variables
공책.
앞의 코드는 전역적으로 변수를 저장하므로 다른 노트북이 선택 항목을 검색하고 로드할 수 있습니다. 데모를 위해 다음 셀은 이전의 저장 변수를 출력해야 합니다.
다음으로 추가 데이터 사양에 대한 프롬프트가 나타납니다. 이 셀은 사람이 읽을 수 있는 형식으로 테이블의 ID를 표시하여 원하는 데이터를 세분화합니다. 사용자는 양식인 것처럼 선택하지만 제목은 시스템이 적절한 데이터 세트를 검색하는 데 도움이 되는 백그라운드의 테이블에 매핑됩니다.
모든 선택 항목과 선택 셀을 저장한 후 다음에서 셀을 실행하여 데이터를 지역으로 로드합니다. 데이터 가져 오기 세트 부분. %%capture 명령은 불필요한 출력을 억제합니다. get_data
공책. 다른 노트북의 출력을 검사하기 위해 이것을 제거할 수 있습니다. 그런 다음 데이터는 백엔드에서 검색됩니다.
다른 노트북이 백그라운드에서 실행되는 동안 사용자를 위한 유일한 접점은 ux_notebook
. 이는 모든 사용자가 쉽게 따를 수 있는 형식으로 데이터를 가져오는 지루한 프로세스를 추상화하기 위한 것입니다.
이제 데이터가 로드되었으므로 상호 작용을 시작할 수 있습니다. 다음 셀은 날씨 데이터에서 실행할 수 있는 계산의 예입니다. 사용 엑스어레이, 우리는 이러한 데이터 세트를 가져오고 계산한 다음 플로팅합니다.
우리의 샘플은 데이터를 검색하고, 계산을 실행하고, 일반적인 접근 방식보다 훨씬 빠른 7.5초 이내에 결과를 플로팅하는 예측 데이터의 플롯을 보여줍니다.
후드
노트북 get_catalog_input
및 get_variables
도서관을 이용하다 아이피위젯 드롭다운 및 멀티박스 선택과 같은 위젯을 표시합니다. 이러한 옵션은 %%store 명령을 사용하여 전체적으로 저장되므로 다음에서 액세스할 수 있습니다. ux_notebook
. 옵션 중 하나는 기록 데이터, 예측 데이터 또는 둘 다를 원하는지 묻는 메시지를 표시합니다. 이 변수는 get_data
실행할 후속 노트북을 결정하는 노트북.
XNUMXD덴탈의 get_data
노트북은 먼저 다음에 저장된 공유 OpenSearch 서비스 도메인을 검색합니다. AWS Systems Manager 파라미터 스토어. 이 도메인을 사용하면 선택한 데이터 세트가 지역적으로 저장되는 위치를 나타내는 정보 수집에 대한 쿼리를 노트북에서 실행할 수 있습니다. 해당 데이터 세트가 지역적으로 위치하면 노트북은 Dask 스케줄러에 연결을 시도하여 OpenSearch 서비스에서 수집된 정보를 전달합니다. 그러면 Dask 스케줄러가 올바른 지역의 작업자를 호출할 수 있습니다.
커스터마이즈하고 개발을 계속하는 방법
이러한 노트북은 사용자가 데이터와 인터페이스하고 상호 작용할 수 있는 방법을 만드는 방법의 예입니다. 이 게시물의 노트북은 무엇이 가능한지에 대한 예시 역할을 하며 사용자 참여를 더욱 향상시키기 위해 솔루션을 계속 구축하도록 초대합니다. 이 솔루션의 핵심 부분은 백엔드 기술이지만 해당 백엔드와 상호 작용하는 메커니즘이 없으면 사용자는 솔루션의 잠재력을 완전히 실현하지 못할 것입니다.
향후 비용이 발생하지 않도록 하려면 리소스를 삭제하십시오. 다음 명령을 사용하여 배포된 솔루션을 제거해 보겠습니다.
결론
이 게시물은 AWS에서 지역 간 Dask의 확장과 AWS의 퍼블릭 데이터 세트와의 가능한 통합을 보여줍니다. 이 솔루션은 일반 패턴으로 구축되었으며 복잡한 데이터에 대한 높은 I/O 분석을 가속화하기 위해 추가 데이터 세트를 로드할 수 있습니다.
데이터는 모든 분야와 모든 비즈니스를 변화시키고 있습니다. 그러나 데이터가 대부분의 회사가 추적할 수 있는 것보다 빠르게 증가함에 따라 데이터를 수집하고 해당 데이터에서 가치를 얻는 것은 어려운 일입니다. 최신 데이터 전략은 데이터로 더 나은 비즈니스 성과를 창출하는 데 도움이 될 수 있습니다. AWS는 엔드 투 엔드 데이터 여정을 위한 가장 완벽한 서비스 세트를 제공하여 데이터에서 가치를 발굴하고 통찰력으로 전환할 수 있도록 지원합니다.
클라우드에서 데이터를 사용하는 다양한 방법에 대해 자세히 알아보려면 AWS 빅 데이터 블로그. 또한 이 게시물에 대한 귀하의 생각과 이것이 귀하가 시도할 솔루션인지 여부를 댓글로 남겨주시기 바랍니다.
저자에 관하여
패트릭 오코너 런던에 본사를 둔 WWSO 프로토타이핑 엔지니어입니다. 그는 IoT, 서버리스 기술, 3D 공간 기술, ML/AI와 같은 광범위한 기술에 적응할 수 있는 창의적인 문제 해결사이며 기술이 어떻게 일상적인 접근 방식을 계속 발전시킬 수 있는지에 대한 끊임없는 호기심을 가지고 있습니다.
차크라 나가라잔 기계 학습, 빅 데이터 및 고성능 컴퓨팅 분야에서 21년의 경험을 가진 수석 기계 학습 프로토타이핑 SA입니다. 현재 역할에서 그는 클라우드 및 에지 장치에서 엔드 투 엔드 AI/ML 솔루션으로 프로토타입을 구축하여 고객이 실제 복잡한 비즈니스 문제를 해결하도록 돕습니다. 그의 ML 전문 분야에는 컴퓨터 비전, 자연어 처리, 시계열 예측 및 개인화가 포함됩니다.
발 코헨 런던에 본사를 둔 선임 WWSO 프로토타이핑 엔지니어입니다. 본질적으로 문제 해결사인 Val은 코드 작성을 통해 프로세스를 자동화하고 고객 중심 도구를 구축하며 글로벌 고객 기반을 위한 다양한 애플리케이션을 위한 인프라를 구축하는 것을 즐깁니다. Val은 프런트 엔드 웹 개발, 백엔드 작업 및 AI/ML과 같은 다양한 기술에 대한 경험이 있습니다.
나일 로빈슨 UK Met Office의 제품 선물 책임자입니다. 그와 그의 팀은 Met Office가 제품 혁신과 전략적 파트너십을 통해 가치를 제공할 수 있는 새로운 방법을 모색합니다. 그는 다양한 분야의 정보학 R&D 팀, 데이터 과학의 학술 연구, 기후 모델 전문 지식과 함께 현장 과학자를 이끄는 다양한 경력을 가지고 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
- PREIPO®로 PRE-IPO 회사의 주식을 사고 팔 수 있습니다. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/build-efficient-cross-regional-i-o-intensive-workloads-with-dask-on-aws/
- :있다
- :이다
- :어디
- $UP
- 1
- 10
- 100
- 11
- 12
- 20
- 24
- 3d
- 40
- 50
- 7
- 9
- a
- 능력
- 할 수 있는
- 소개
- 위의
- 추상
- 초록
- 학술
- 학술 연구
- 가속
- 가속하는
- ACCESS
- 액세스
- 수용하다
- 달성
- 계정
- 달성하다
- 가로질러
- 적응하다
- 추가
- 첨가
- 추가
- 또한
- 주소
- 주소 지정
- 추가
- 관리자
- 채택
- 양자
- 후
- AI / ML
- AIR
- All
- 허용
- 수
- 따라
- 또한
- 아마존
- Amazon EC2
- an
- 분석
- 및
- 어떤
- 표시
- 어플리케이션
- 어플리케이션
- 접근
- 구혼
- 적당한
- 아키텍처
- 있군요
- AS
- At
- 분위기
- 대기
- 자동화
- 피하기
- AWS
- AWS 고객
- 등뼈
- 뒷받침 된
- 백엔드
- 배경
- 잔액
- 기지
- 기반으로
- BE
- 가
- 된
- 전에
- 존재
- 이하
- 기준
- 더 나은
- 사이에
- 큰
- 빅 데이터
- 부트 스트랩
- 두
- 가져
- 부서진
- 빌드
- 건물
- 내장
- 내장
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 계산하다
- 전화
- 라는
- 부름
- 통화
- CAN
- 기능
- 수
- 채용
- 목록
- CD
- 셀
- 도전
- 도전
- 이전 단계로 돌아가기
- 변화
- 요금
- 요금
- 선택
- 순환
- 클라이언트
- 기후
- 자세히
- 클라우드
- 클러스터
- CO
- 암호
- 코드베이스
- 협동
- 수집
- 왔다
- 제공
- 오는
- 본문
- 커뮤니티
- 기업
- 완전한
- 복잡한
- 구성 요소들
- 구성
- 계산
- 계산
- 컴퓨터
- 컴퓨터 비전
- 컴퓨팅
- 구성
- 연결하기
- 연결
- 연결
- 연결
- 소비자
- 소비
- 컨테이너
- 이 포함되어 있습니다
- 계속
- 계속
- 사본들
- 핵심
- 수정
- 비용
- 비용 효율적인
- 수
- 결합
- CPU
- 만들
- 생성
- 창조적 인
- 임계
- 작물
- Cross
- 호기심
- Current
- 관습
- 고객
- 고객
- 맞춤형
- 사용자 정의
- 매일
- 계기반
- 데이터
- 데이터 과학
- 데이터 전략
- 데이터 세트
- 일
- 로사리오 염주
- 결정
- 태만
- 수요
- 보여줍니다
- 배포
- 배포
- 전개
- 배치하다
- 설계
- 파괴
- 상세한
- 세부설명
- 결정
- 개발
- 개발자
- 개발
- 디바이스
- 차이
- 사용
- 발견
- 디스플레이
- 분산
- 분산 컴퓨팅
- DNS
- 도커
- 도메인
- 아래 (down)
- 동적
- 역동적 인
- 마다
- 완화
- 용이하게
- Edge
- 편집
- 효율적인
- 다른
- 가능
- 끝으로 종료
- 에너지
- 약혼
- 기사
- 항목
- 환경
- 동등한
- 대
- 예상
- 에테르 (ETH)
- 모든
- 매일
- 일상의
- 진화시키다
- 예
- 예
- 경험
- 실험
- 전문적 지식
- 탐험
- 수출
- 드러난
- 확장자
- 빠른
- 특색
- 특징
- 들
- Fields
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- Find
- 먼저,
- 집중
- 따라
- 수행원
- 식품
- 럭셔리
- 형태
- 체재
- 양식
- 발견
- 설립
- 뼈대
- 프레임 워크
- 무료
- 에
- 결실
- 가득 찬
- 기능
- 추가
- 미래
- 선물
- 일반
- 세대
- 얻을
- 점점
- 힘내
- 글로벌
- 글로벌 네트워크
- 세계적으로
- 공
- 가는
- 그래프
- 큰
- 그리드
- 성장
- 성장하는
- 했다
- 반
- 절반의
- 있다
- he
- 머리
- 도움
- 도움이
- 그녀의
- 높은
- 고성능
- 하이라이트
- 그의
- 역사적인
- 주인
- 호스팅
- 시간
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 인간이 읽을 수있는
- 수백
- 유휴
- 식별자
- if
- 설명하다
- import
- 가져 오기
- 개선
- 개량
- in
- 포함
- 포함
- 증가
- 색인
- 표시
- 통보
- 정보
- 인프라
- 고유의
- 혁신
- 입력
- 불안정
- 통찰력
- 영감
- 설치
- 예
- 를 받아야 하는 미국 여행자
- 명령
- 완성
- 의도적 인
- 상호 작용하는
- 상호 작용
- 인터페이스
- 내부의
- 인터넷
- 으로
- 초대
- IOT
- IP
- IP 주소
- 문제
- IT
- 그
- 일
- 여행
- JPG
- 주피터 수첩
- 유지
- 키
- 알아
- 언어
- 넓은
- 성
- 숨어 있음
- 시작
- 지도
- 배우다
- 배우기
- 도서관
- wifecycwe
- 처럼
- 링크드인
- 연결
- 명부
- 하중
- 지방의
- 장소 상에서
- 위치한
- 위치
- 런던
- 기계
- 기계 학습
- 주요한
- 확인
- 관리
- 매니저
- 관리하다
- 지도
- 매핑
- 질량
- 대량 입양
- 자료
- XNUMX월..
- 평균
- 기구
- 메타 데이터
- 수백만
- ML
- 모델
- 현대
- 모듈
- 달
- 월
- 월간 데이터
- 배우기
- 가장
- 산
- 여러 분야의
- name
- 국가의
- 자연의
- 자연어
- 자연 언어 처리
- 자연
- 필요한
- 필요
- 필요
- 네트워크
- 신제품
- 다음 것
- 밤
- 노드
- 노드
- 수첩
- 노트북
- 지금
- 번호
- 숫자
- of
- 제공
- Office
- on
- ONE
- 만
- 열 수
- 오픈 데이터
- 오픈 소스
- 오픈 소스 코드
- 운영
- 선택권
- 옵션
- or
- 오케스트레이션
- 조직
- 기타
- 우리의
- 아웃
- 결과
- 출력
- 위에
- 전체
- 꾸러미
- 매개 변수
- 부품
- 특별한
- 특별히
- 협력
- 합격
- 통과
- 무늬
- 성능
- 미문
- 개인
- 페타 바이트
- 상
- 계획
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 포인트 적립
- 풀
- 포트
- 가능한
- 게시하다
- 가능성
- 힘
- 강한
- 연습
- 예측
- 예측
- 전제 조건
- 너무 이른
- 일차
- 교장
- 사설
- 문제
- 문제
- 방법
- 프로세스
- 처리
- 생산
- 프로덕트
- 제품 혁신
- 생산적인
- 프로그램
- 프로그램 작성
- 프로젝트
- 프로토 타입
- 프로토 타입
- 제공
- 제공
- 제공
- 규정
- 공개
- 게시
- 출판
- 했었어요
- 쿼리
- 문의
- R&D
- 범위
- 차라리
- 기성품
- 현실 세계
- 실현
- 감소
- 감소
- 축소
- 지방
- 지역적인
- 지역
- 잔인한
- 유적
- 제거
- 제거됨
- 저장소
- 대표
- 연구
- 제품 자료
- 그
- 결과
- 직위별
- 달리기
- 달리는
- SA
- 가장 안전한 따뜻함
- 현자
- 같은
- 찜하기
- 확장성
- 규모
- 저울
- 스케일링
- 과학
- 과학자
- 과학자
- 스크립트
- 초
- 섹션
- 참조
- 본
- 세그먼트
- 선택된
- 선택
- 연장자
- 연속
- 서버리스
- 봉사하다
- 서비스
- 서비스
- 세트
- 공유
- 공유
- 영상을
- 표시
- 선보이는
- 쇼
- 단순, 간단, 편리
- 간단히
- 여섯 번째
- 느리게
- So
- 해결책
- 솔루션
- 풀다
- 일부
- 출처
- 공간의
- 구체적으로
- 명세서
- 지정
- 후원
- 스택
- 단계
- 독립
- 스타트
- 시작
- 유지
- 단계
- 저장
- 저장
- 저장
- 상점
- 똑 바른
- 전략의
- 전략적 파트너십
- 전략
- 후속의
- 그후
- 성공한
- 이러한
- 표면
- 발생
- 지속 가능성
- 지속가능한
- 체계
- 시스템은
- 테이블
- 받아
- 팀
- 기술
- 기술
- Technology
- test
- 보다
- 그
- XNUMXD덴탈의
- 정보
- 소스
- 영국
- 세계
- 그들의
- 그때
- 그곳에.
- 그것에 의하여
- Bowman의
- 그들
- 이
- 그
- 세
- 사는 보람으로 삼다
- 을 통하여
- 처리량
- 시간
- 시계열
- 시대
- 제목들
- 에
- 오늘
- 함께
- 검색을
- 선로
- 추적
- 이전
- 변화
- 운송
- 트리거링
- 회전
- 두
- 유형
- 타이프 스크립트
- 전형적인
- Uk
- 아래에
- 잠금을 해제
- 지속 불가능
- 최신의
- 업데이트
- ...에
- URI
- 용법
- 사용
- 익숙한
- 사용자
- 사용자
- 사용
- 세계 협정시
- 활용
- VAL
- 가치
- 종류
- 여러
- 를 통해
- 시력
- 방문
- 음량
- 필요
- 원
- 따뜻한
- 였다
- 방법..
- 방법
- we
- 날씨
- 웹
- 웹 개발
- 했다
- 여부
- 어느
- 넓은
- 넓은 범위
- 의지
- 소원
- 과
- 없이
- 작업
- 노동자
- 근로자
- 세계
- 걱정
- 겠지
- 쓰기
- 년
- 아직
- 수율
- 당신
- 너의
- 제퍼 넷