Dette innlegget er skrevet sammen med Marc Neumann, Amor Steinberg og Marinus Krommenhoek fra BMW Group.
De BMW Group – med hovedkontor i München, Tyskland – drives av 149,000 30 ansatte over hele verden og produserer i over 15 produksjons- og monteringsanlegg i XNUMX land. I dag er BMW Group verdens ledende produsent av premium biler og motorsykler, og leverandør av premium finans- og mobilitetstjenester. BMW Group setter trender innen produksjonsteknologi og bærekraft som en innovasjonsleder med en intelligent materialmiks, et teknologisk skifte mot digitalisering og ressurseffektiv produksjon.
I en stadig mer digital og raskt skiftende verden er BMW Groups forretnings- og produktutviklingsstrategier avhengig av datadrevet beslutningstaking. Med det har behovet for dataforskere og maskinlæringsingeniører (ML) vokst betydelig. Disse dyktige fagfolkene har i oppgave å bygge og distribuere modeller som forbedrer kvaliteten og effektiviteten til BMWs forretningsprosesser og muliggjør informerte lederbeslutninger.
Dataforskere og ML-ingeniører krever dyktig verktøy og tilstrekkelig databehandling for arbeidet sitt. Derfor etablerte BMW en sentralisert ML/deep learning-infrastruktur på stedet for flere år siden og oppgraderte den kontinuerlig. For å bane vei for veksten av AI, trengte BMW Group å ta et sprang når det gjelder skalerbarhet og elastisitet, samtidig som de reduserer driftskostnader, programvarelisenser og maskinvareadministrasjon.
I dette innlegget skal vi snakke om hvordan BMW Group, i samarbeid med AWS Professional Services, bygget sin Jupyter Managed (JuMa)-tjeneste for å møte disse utfordringene. JuMa er en tjeneste fra BMW Groups AI-plattform for dataanalytikere, ML-ingeniører og dataforskere som gir et brukervennlig arbeidsområde med et integrert utviklingsmiljø (IDE). Den drives av Amazon SageMaker Studio og gir JupyterLab for Python og Posit Workbench for R. Dette tilbudet gjør det mulig for BMW ML-ingeniører å utføre kodesentrisk dataanalyse og ML, øker utviklerproduktiviteten ved å tilby selvbetjeningsevne og infrastrukturautomatisering, og integreres tett med BMWs sentraliserte IT-verktøylandskap.
JuMa er nå tilgjengelig for alle dataforskere, ML-ingeniører og dataanalytikere hos BMW Group. Tjenesten strømlinjeformer ML utviklings- og produksjonsarbeidsflyter (MLOps) på tvers av BMW ved å tilby et kostnadseffektivt og skalerbart utviklingsmiljø som muliggjør sømløst samarbeid mellom datavitenskap og ingeniørteam over hele verden. Dette resulterer i raskere eksperimentering og kortere idévalideringssykluser. Dessuten er JuMa-infrastrukturen, som er basert på AWS serverløs og administrerte tjenester, bidrar til å redusere driftskostnader for DevOps-teamene og lar dem fokusere på å muliggjøre brukstilfeller og akselerere AI-innovasjon hos BMW Group.
Utfordringer ved å vokse en lokal AI-plattform
Før introduksjonen av JuMa-tjenesten, brukte BMW-team over hele verden to lokale plattformer som ga teamene JupyterHub og RStudio-miljøer. Disse plattformene var for begrenset med tanke på CPU, GPU og minne til å tillate skalerbarheten til AI hos BMW Group. Å skalere disse plattformene med administrasjon av mer lokal maskinvare, flere programvarelisenser og støtteavgifter vil kreve betydelige forhåndsinvesteringer og høy innsats for vedlikehold. For å legge til dette var begrensede selvbetjeningsmuligheter tilgjengelige, noe som krever høy operasjonell innsats for DevOps-teamene. Enda viktigere, bruken av disse plattformene var feiljustert med BMW Groups IT-sky-først-strategi. For eksempel savnet team som brukte disse plattformene en enkel migrering av AI/ML-prototypene deres til industrialiseringen av løsningen som kjører på AWS. Derimot trengte datavitenskaps- og analyseteamene som allerede bruker AWS direkte for eksperimentering også å ta seg av bygging og drift av AWS-infrastrukturen deres, samtidig som de sikrer samsvar med BMW Groups interne retningslinjer, lokale lover og forskrifter. Dette inkluderte en rekke konfigurasjons- og styringsaktiviteter fra bestilling av AWS-kontoer, begrenset internettilgang, bruk av tillatte listede pakker til å holde Docker-bildene deres oppdatert.
Oversikt over løsning
JuMa er en fullstendig administrert multi-tenant, sikkerhetsherdet AI-plattformtjeneste bygget på AWS med SageMaker Studio i kjernen. Ved å stole på AWS-serverløse og administrerte tjenester som hovedbyggesteinene i infrastrukturen, trenger ikke JuMa DevOps-teamet å bekymre seg for oppdatering av servere, oppgradering av lagring eller administrasjon av andre infrastrukturkomponenter. Tjenesten håndterer alle disse prosessene automatisk, og gir en kraftig teknisk plattform som generelt er oppdatert og klar til bruk.
JuMa-brukere kan enkelt bestille et arbeidsområde via en selvbetjeningsportal for å skape et sikkert og isolert utviklings- og eksperimenteringsmiljø for teamene deres. Etter at et JuMa-arbeidsområde er klargjort, kan brukerne starte JupyterLab- eller Posit-arbeidsbenkmiljøer i SageMaker Studio med bare noen få klikk og starte utviklingen umiddelbart, ved å bruke verktøyene og rammeverket de er mest kjent med. JuMa er tett integrert med en rekke BMW Central IT-tjenester, inkludert identitets- og tilgangsadministrasjon, roller og rettighetsadministrasjon, BMW Cloud Data Hub (BMWs datainnsjø på AWS) og lokale databaser. Sistnevnte hjelper AI/ML-team med sømløs tilgang til nødvendige data, gitt de er autorisert til å gjøre det, uten å måtte bygge datapipelines. Videre kan notatbøkene integreres i bedriftens Git-lagre for å samarbeide ved hjelp av versjonskontroll.
Løsningen abstraherer bort all teknisk kompleksitet knyttet til AWS-kontoadministrasjon, konfigurasjon og tilpasning for AI/ML-team, slik at de kan fokusere fullt ut på AI-innovasjon. Plattformen sikrer at arbeidsområdekonfigurasjonen oppfyller BMWs sikkerhets- og samsvarskrav rett ut av esken.
Følgende diagram beskriver kontekstvisningen på høyt nivå av arkitekturen.
Brukerreise
BMW AI/ML-teammedlemmer kan bestille JuMa-arbeidsområdet sitt ved å bruke BMWs standard katalogtjeneste. Etter godkjenning av linjelederen, klargjøres det bestilte JuMa-arbeidsområdet av plattformen helautomatisk. Arbeidsflyten for klargjøring av arbeidsområde inkluderer følgende trinn (som nummerert i arkitekturdiagrammet).
- Et dataforskerteam bestiller et nytt JuMa-arbeidsområde i BMWs katalog. JuMa klargjør automatisk en ny AWS-konto for arbeidsområdet. Dette sikrer full isolasjon mellom arbeidsområdene etter den forente modellkontostrukturen nevnt i SageMaker Studio Administration Beste praksis.
- JuMa konfigurerer et arbeidsområde (som er en Sagemaker-domene) som bare tillater forhåndsdefinerte Amazon SageMaker funksjoner som kreves for eksperimentering og utvikling, spesifikke tilpassede kjerner og livssykluskonfigurasjoner. Den setter også opp de nødvendige undernettene og sikkerhetsgruppene som sikrer at de bærbare datamaskinene kjører i et sikkert miljø.
- Etter at arbeidsområdene er klargjort, logger de autoriserte brukerne på JuMa-portalen og får tilgang til SageMaker Studio IDE innenfor arbeidsområdet ved hjelp av en SageMaker forhåndssignert URL. Brukere kan velge mellom å åpne et SageMaker Studio privat rom eller en delt plass. Delte rom oppmuntrer til samarbeid mellom forskjellige medlemmer av et team som kan arbeide parallelt på de samme notatblokkene, mens private rom gir mulighet for et utviklingsmiljø for ensomme arbeidsbelastninger.
- Ved å bruke BMW-dataportalen kan brukere be om tilgang til lokale databaser eller data som er lagret i BMWs Cloud Data Hub, noe som gjør det tilgjengelig i deres arbeidsområde for utvikling og eksperimentering, fra dataforberedelse og analyse til modelltrening og validering.
Etter at en AI-modell er utviklet og validert i JuMa, kan AI-team bruke MLOPs-tjenesten til BMW AI-plattformen for å distribuere den til produksjon raskt og enkelt. Denne tjenesten gir brukerne en ML-infrastruktur i produksjonsgrad og rørledninger på AWS ved hjelp av SageMaker, som kan settes opp på få minutter med bare noen få klikk. Brukere trenger ganske enkelt å være vert for modellen sin på den tilrettelagte infrastrukturen og tilpasse rørledningen for å møte deres spesifikke bruksbehov. På denne måten dekker AI-plattformen hele AI-livssyklusen hos BMW Group.
JuMa-funksjoner
Etter beste praksis-arkitekting på AWS, ble JuMa-tjenesten designet og implementert i henhold til AWS godt arkitektert rammeverk. Arkitektoniske avgjørelser for hver godt arkitekttisert søyle er beskrevet i detalj i de følgende avsnittene.
Sikkerhet og samsvar
For å sikre full isolasjon mellom leietakerne får hvert arbeidsområde sin egen AWS-konto, der autoriserte brukere i fellesskap kan samarbeide om analyseoppgaver samt om å utvikle og eksperimentere med AI/ML-modeller. JuMa-portalen håndhever selv isolasjon ved kjøretid ved å bruke policybasert isolering med AWS identitets- og tilgangsadministrasjon (IAM) og JuMa-brukerens kontekst. For mer informasjon om denne strategien, se Kjøretid, policybasert isolasjon med IAM.
Dataforskere kan bare få tilgang til domenet deres gjennom BMW-nettverket via forhåndssignerte URL-er generert av portalen. Direkte internettilgang er deaktivert innenfor deres domene. Sagemaker-domenerettighetene deres er bygget ved hjelp av Amazon SageMaker Rolle Manager personas for å sikre minst privilegert tilgang til AWS-tjenester som trengs for utviklingen, slik som SageMaker, Amazonas Athena, Amazon enkel lagringstjeneste (Amazon S3), og AWS Lim. Denne rollen implementerer ML-rekkverk (som de som er beskrevet i Styring og kontroll), inkludert håndhevelse av ML-trening som skal skje i begge Amazon Virtual Private Cloud (Amazon VPC) eller uten internett og tillater kun bruk av JuMas tilpassede kontrollerte og oppdaterte SageMaker-bilder.
Fordi JuMa er designet for utvikling, eksperimentering og ad-hoc-analyse, implementerer den oppbevaringspolicyer for å fjerne data etter 30 dager. For å få tilgang til data når det er nødvendig og lagre dem på lang sikt, integreres JuMa sømløst med BMW Cloud Data Hub og BMWs lokale databaser.
Til slutt støtter JuMa flere regioner for å overholde spesielle lokale juridiske situasjoner som for eksempel krever at den behandler data lokalt for å muliggjøre BMWs datasuverenitet.
Operasjonell dyktighet
Både JuMa-plattformens backend og arbeidsområder er implementert med AWS serverløs og administrerte tjenester. Å bruke disse tjenestene hjelper til med å minimere innsatsen til BMW-plattformteamet som vedlikeholder og driver ende-til-ende-løsningen, og streber etter å være en tjeneste uten operasjoner. Både arbeidsområdet og portalen overvåkes vha Amazon CloudWatch logger, beregninger og alarmer for å sjekke nøkkelytelsesindikatorer (KPIer) og proaktivt varsle plattformteamet om eventuelle problemer. I tillegg har AWS røntgen distribuert sporingssystem brukes til å spore forespørsler gjennom flere komponenter og kommentere CloudWatch-logger med arbeidsområderelevant kontekst.
Alle endringer i JuMa-infrastrukturen administreres og implementeres gjennom automatisering ved bruk av infrastruktur som kode (IaC). Dette bidrar til å redusere manuell innsats og menneskelige feil, øke konsistensen og sikre reproduserbare og versjonskontrollerte endringer på tvers av begge JuMa-plattformens backend-arbeidsområder. Nærmere bestemt er alle arbeidsområder klargjort og oppdatert gjennom en onboarding-prosess bygget på toppen av AWS trinnfunksjoner, AWS CodeBuild, og Terraform. Derfor er det ikke nødvendig med manuell konfigurasjon for å sette inn nye arbeidsområder på JuMa-plattformen.
Kostnadsoptimalisering
Ved å bruke AWS-serverløse tjenester, sikrer JuMa skalerbarhet på forespørsel, forhåndsgodkjente forekomststørrelser og en betal-som-du-go-modell for ressursene som brukes under utviklings- og eksperimenteringsaktivitetene i henhold til AI/ML-teamenes behov. For å optimalisere kostnadene ytterligere, overvåker og identifiserer JuMa-plattformen ledige ressurser i SageMaker Studio og slår dem av automatisk for å forhindre utgifter til ikke-utnyttede ressurser.
Bærekraft
JuMa erstatter BMWs to lokale plattformer for analyse- og dyplæringsarbeid som forbruker en betydelig mengde strøm og produserer CO2-utslipp selv når de ikke er i bruk. Ved å migrere AI/ML-arbeidsbelastninger fra lokale til AWS, vil BMW redusere miljøpåvirkningen ved å avvikle de lokale plattformene.
Videre bidrar mekanismen for automatisk avstenging av ledige ressurser, dataoppbevaringspolitikk og arbeidsområdebruksrapportene til eierne implementert i JuMa ytterligere med å minimere miljøfotavtrykket ved å kjøre AI/ML-arbeidsbelastninger på AWS.
Ytelseseffektivitet
Ved å bruke SageMaker Studio drar BMW-team nytte av en enkel adopsjon av de nyeste SageMaker-funksjonene som kan bidra til å akselerere eksperimenteringen deres. For eksempel kan de bruke Amazon SageMaker JumpStart evner til å bruke de siste forhåndstrente, åpen kildekode-modeller. I tillegg bidrar det til å redusere AI/ML-teamets innsats fra eksperimentering til løsningsindustrialisering, fordi utviklingsmiljøet gir de samme AWS-kjernetjenestene, men begrenset til utviklingsmuligheter.
Pålitelighet
SageMaker Studio-domener distribueres i en VPC-kun-modus for å administrere internettilgang og tillater kun tilgang til tiltenkte AWS-tjenester. Nettverket er distribuert i to tilgjengelighetssoner for å beskytte mot ett enkelt feilpunkt, og oppnå større motstandskraft og tilgjengelighet av plattformen for brukerne.
Endringer i JuMa-arbeidsområder blir automatisk distribuert og testet til utviklings- og integrasjonsmiljøer, ved hjelp av IaC- og CI/CD-pipelines, før oppgradering av kundemiljøer.
Til slutt, data lagret i Amazon elastisk filsystem (Amazon EFS) for SageMaker Studio-domener beholdes etter at volumer er slettet for sikkerhetskopiering.
konklusjonen
I dette innlegget beskrev vi hvordan BMW Group i samarbeid med AWS ProServe utviklet en fullstendig administrert AI-plattformtjeneste på AWS ved å bruke SageMaker Studio og andre AWS-serverløse og administrerte tjenester.
Med JuMa får BMWs AI/ML-team makt til å låse opp ny forretningsverdi ved å akselerere eksperimentering samt time-to-market for disruptive AI-løsninger. Videre, ved å migrere fra sin lokale plattform, kan BMW redusere den samlede operasjonelle innsatsen og kostnadene samtidig som bærekraften og den generelle sikkerhetsstillingen øker.
For å lære mer om hvordan du kjører AI/ML-eksperimentering og utviklingsarbeid på AWS, besøk Amazon SageMaker Studio.
Om forfatterne
Marc Neumann er leder for den sentrale AI-plattformen i BMP Group. Han er ansvarlig for å utvikle og implementere strategier for å bruke AI-teknologi for verdiskaping i hele BMW Group. Hans primære mål er å sikre at bruken av AI er bærekraftig og skalerbar, noe som betyr at den kan brukes konsekvent på tvers av organisasjonen for å drive langsiktig vekst og innovasjon. Gjennom sitt lederskap har Neumann som mål å posisjonere BMW Group som en leder innen AI-drevet innovasjon og verdiskaping i bilindustrien og utover.
Amor Steinberg er en maskinlæringsingeniør hos BMW Group og serviceleder for Jupyter Managed, en ny tjeneste som tar sikte på å tilby en kodesentrisk arbeidsbenk for analyse og maskinlæring for ingeniører og datavitere ved BMW Group. Hans tidligere erfaring som DevOps-ingeniør i finansinstitusjoner gjorde ham i stand til å samle en unik forståelse av utfordringene banker står overfor i EU og holde balansen mellom å strebe etter teknologisk innovasjon, overholde lover og forskrifter og maksimere sikkerheten for kundene.
Marinus Krommenhoek er senior skyløsningsarkitekt og programvareutvikler hos BMW Group. Han er entusiastisk for å modernisere IT-landskapet med toppmoderne tjenester som gir høy verdi og er enkle å vedlikeholde og drifte. Marinus er en stor forkjemper for mikrotjenester, serverløse arkitekturer og smidig arbeid. Han har erfaring med å jobbe med distribuerte team over hele verden i store bedrifter.
Nicolas Jacob Baer er en hovedskyapplikasjonsarkitekt ved AWS ProServe med sterkt fokus på datateknikk og maskinlæring, basert i Sveits. Han jobber tett med bedriftskunder for å designe dataplattformer og bygge avanserte analyser og ML use cases.
Joaquin Rinaudo er hovedsikkerhetsarkitekt ved AWS ProServe. Han brenner for å bygge løsninger som hjelper utviklere med å forbedre programvarekvaliteten. Før AWS jobbet han på tvers av flere domener i sikkerhetsindustrien, fra mobilsikkerhet til sky og compliance-relaterte emner. På fritiden liker Joaquin å tilbringe tid med familien og lese science fiction-romaner.
Shukhrat Khodjaev er Senior Global Engagement Manager hos AWS ProServe. Han spesialiserer seg på å levere slagkraftige big data og AI/ML-løsninger som gjør det mulig for AWS-kunder å maksimere forretningsverdien gjennom datautnyttelse.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://aws.amazon.com/blogs/machine-learning/accelerating-ai-ml-development-at-bmw-group-with-amazon-sagemaker-studio/
- : har
- :er
- :ikke
- :hvor
- $OPP
- 000
- 100
- 120
- 15%
- 30
- 971
- a
- Om oss
- sammendrag
- akselerere
- akselerer
- adgang
- tilgangsstyring
- Ifølge
- Logg inn
- kontoadministrasjon
- kontoer
- oppnå
- tvers
- Aktiviteter
- legge til
- I tillegg
- adresse
- administrasjon
- Adopsjon
- avansert
- advokat
- Etter
- mot
- smidig
- siden
- AI
- AI-plattform
- AI / ML
- mål
- Alle
- tillate
- tillatt
- tillate
- tillater
- allerede
- også
- Amazon
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon Web Services
- beløp
- an
- analyse
- analytikere
- analytics
- og
- og infrastruktur
- noen
- Søknad
- anvendt
- godkjenning
- arkitektonisk
- arkitektur
- ER
- AS
- Montering
- assosiert
- forsikrer
- At
- autorisert
- auto
- automatisk
- Automatisering
- biler
- automotive
- bilindustrien
- tilgjengelighet
- tilgjengelig
- Tilgjengelig for alle
- borte
- AWS
- AWS profesjonelle tjenester
- Backend
- Backup
- Balansere
- Banker
- basert
- BE
- fordi
- før du
- nytte
- BEST
- mellom
- Beyond
- Stor
- Store data
- Blocks
- BMW
- både
- Eske
- bygge
- Bygning
- bygget
- virksomhet
- forretningsprosesser
- men
- by
- CAN
- evner
- evne
- stand
- hvilken
- saken
- saker
- katalog
- sentral
- sentralisert
- utfordringer
- Endringer
- endring
- sjekk
- Velg
- tett
- Cloud
- co2
- co2 utslipp
- kode
- samarbeide
- samarbeid
- kompleksiteten
- samsvar
- overholde
- komponenter
- Beregn
- Konfigurasjon
- betydelig
- konsekvent
- forbruke
- kontekst
- kontinuerlig
- kontrast
- kontroll
- Kjerne
- Bedriftens
- Kostnader
- land
- dekker
- prosessor
- skape
- skaperverket
- skikk
- kunde
- Kunder
- tilpasning
- tilpasse
- sykluser
- dato
- Data Analytics
- Data Lake
- Dataklargjøring
- datavitenskap
- dataforsker
- data-drevet
- databaser
- Dato
- Dager
- Beslutningstaking
- avgjørelser
- dyp
- dyp læring
- levere
- utplassere
- utplassert
- utplasserings
- beskrevet
- utforming
- designet
- detalj
- utviklet
- Utvikler
- utviklere
- utvikle
- Utvikling
- DevOps
- forskjellig
- digitalt
- digitalisering
- direkte
- direkte
- deaktivert
- forstyrrende
- distribueres
- do
- Docker
- ikke
- domene
- domener
- ned
- stasjonen
- drevet
- under
- hver enkelt
- lett
- effektivitet
- innsats
- uanstrengt
- innsats
- enten
- elektrisitet
- Utslipp
- ansatte
- empowered
- muliggjøre
- aktivert
- muliggjør
- muliggjør
- oppmuntre
- ende til ende
- håndhevelse
- engasjement
- ingeniør
- Ingeniørarbeid
- Ingeniører
- sikre
- sikrer
- sikrer
- Enterprise
- bedriftskunder
- bedrifter
- entusiastisk
- Hele
- Miljø
- miljømessige
- miljøer
- feil
- etablert
- Eter (ETH)
- europeisk
- Den Europeiske Union
- Selv
- eksempel
- utgifter
- erfaring
- ansikter
- forenkler
- fasiliteter
- Failure
- kjent
- familie
- raskere
- Egenskaper
- avgifter
- Noen få
- filet
- finansiell
- Finansinstitusjoner
- Fokus
- etter
- Fotspor
- Til
- rammer
- Gratis
- fra
- fullt
- fullt
- videre
- Dess
- samle
- generelt
- generert
- Tyskland
- gå
- gitt
- Global
- globus
- mål
- styresett
- GPU
- større
- Gruppe
- Gruppens
- Økende
- voksen
- Vekst
- Håndterer
- maskinvare
- he
- hode
- hovedkontor
- tungt
- hjelpe
- hjelper
- Høy
- høyt nivå
- ham
- hans
- vert
- Hvordan
- HTML
- http
- HTTPS
- Hub
- menneskelig
- IAC
- IAM
- Tanken
- identifiserer
- Identitet
- styring av identitet og tilgang
- Idle
- bilder
- umiddelbart
- Påvirkning
- innflytelsesrik
- implementert
- implementere
- redskaper
- viktigere
- forbedre
- in
- inkludert
- inkluderer
- Inkludert
- Øke
- øker
- økende
- stadig
- indikatorer
- industri
- informasjon
- informert
- Infrastruktur
- Innovasjon
- f.eks
- institusjoner
- integrert
- Integrerer
- integrering
- Intelligent
- tiltenkt
- intern
- Internet
- Internettilgang
- inn
- innføre
- Investeringer
- isolert
- isolasjon
- saker
- IT
- DET ER
- selv
- jpg
- bare
- Hold
- holde
- holdt
- nøkkel
- innsjø
- landskap
- stor
- Store bedrifter
- siste
- lansere
- Lover
- Lover og forskrifter
- føre
- leder
- Ledelse
- ledende
- Hoppe
- LÆRE
- læring
- minst
- Lovlig
- lisenser
- Lisensiering
- Livssyklus
- Begrenset
- linje
- oppført
- lokal
- lokalt
- logg
- Lang
- langsiktig
- maskin
- maskinlæring
- Hoved
- vedlikeholde
- opprettholde
- vedlikehold
- gjøre
- Making
- administrer
- fikk til
- ledelse
- leder
- administrerende
- håndbok
- Produsent
- materiale
- Maksimer
- maksimere
- betyr
- mekanisme
- Møt
- møter
- medlemmer
- Minne
- nevnt
- Metrics
- microservices
- Migrere
- migrasjon
- minimere
- minutter
- savnet
- bland
- ML
- MLOps
- Mobil
- mobil sikkerhet
- mobilitet
- mobilitetstjenester
- Mote
- modell
- modeller
- modernisering
- overvåket
- skjermer
- mer
- Videre
- mest
- motorsykler
- flytting
- flere
- München
- Trenger
- nødvendig
- trenger
- behov
- nettverk
- Ny
- Nei.
- notatbøker
- nå
- nummerert
- forekomme
- of
- tilby
- on
- På etterspørsel
- Ombord
- onboarding
- bare
- åpen
- åpen kildekode
- åpning
- betjene
- drift
- operasjonell
- Optimalisere
- or
- rekkefølge
- ordrer
- organisasjon
- Annen
- ut
- enn
- samlet
- egen
- eiere
- pakker
- Parallel
- lidenskapelig
- Past
- patching
- vraket
- for
- utføre
- ytelse
- Pillar
- rørledning
- plattform
- Plattformer
- plato
- Platon Data Intelligence
- PlatonData
- Point
- Politikk
- Portal
- posisjon
- Post
- powered
- kraftig
- praksis
- Premium
- forberedelse
- forebygge
- primære
- Principal
- Før
- privat
- privilegium
- privilegier
- prosess
- Prosesser
- produsere
- Produkt
- produktutvikling
- Produksjon
- produktivitet
- profesjonell
- fagfolk
- beskytte
- prototyper
- gi
- forutsatt
- leverandør
- gir
- gi
- formål
- Python
- kvalitet
- raskt
- R
- område
- raskt
- Lesning
- klar
- mottar
- rekord
- redusere
- redusere
- referere
- om
- regioner
- forskrifter
- avhengige
- avhengig
- fjerne
- Rapporter
- anmode
- forespørsler
- krever
- påkrevd
- Krav
- Ressurser
- ansvarlig
- begrenset
- Resultater
- oppbevaring
- rettigheter
- Rolle
- roller
- Kjør
- rennende
- sagemaker
- samme
- skalerbarhet
- skalerbar
- skalering
- Vitenskap
- Forsker
- forskere
- sømløs
- sømløst
- seksjoner
- sikre
- sikkerhet
- Selvbetjening
- senior
- server~~POS=TRUNC
- servere
- tjeneste
- Tjenester
- sett
- sett
- flere
- delt
- skift
- nedleggelse
- stenger
- signifikant
- betydelig
- Enkelt
- ganske enkelt
- enkelt
- situasjoner
- størrelser
- dyktig
- So
- Software
- løsning
- Solutions
- kilde
- suverenitet
- Rom
- mellomrom
- spesiell
- spesialisert
- spesifikk
- spesielt
- utgifter
- Standard
- Begynn
- state-of-the-art
- Trinn
- Steps
- lagring
- oppbevare
- lagret
- strategier
- Strategi
- effektiviserer
- strebe etter
- sterk
- struktur
- studio
- subnett
- slik
- tilstrekkelig
- støtte
- Støtter
- Bærekraft
- bærekraftig
- sveits
- system
- Ta
- Snakk
- oppgaver
- lag
- Lag medlemmer
- lag
- Teknisk
- teknologisk
- Teknologi
- begrep
- terra
- testet
- Det
- De
- deres
- Dem
- derfor
- Disse
- de
- denne
- De
- Gjennom
- hele
- tett
- tid
- til
- i dag
- også
- verktøy
- topp
- temaer
- mot
- spore
- Sporing
- Kurs
- Trender
- to
- forståelse
- union
- unik
- låse opp
- up-to-date
- oppdatert
- oppgradert
- URL
- bruk
- bruke
- bruk sak
- brukt
- brukervennlig
- Brukere
- ved hjelp av
- validert
- validering
- verdi
- verdiskapning
- versjon
- versjonskontroll
- undersøkt
- av
- Se
- virtuelle
- Besøk
- volumer
- var
- Vei..
- we
- web
- webtjenester
- VI VIL
- var
- når
- når som helst
- mens
- hvilken
- mens
- vil
- med
- innenfor
- uten
- Arbeid
- arbeidet
- arbeidsflyt
- arbeidsflyt
- arbeid
- virker
- verden
- Verdens
- verdensomspennende
- bekymring
- ville
- år
- Din
- zephyrnet
- soner