Przedsiębiorstwa mają dostęp do ogromnych ilości danych, z których większość jest trudna do odkrycia ze względu na brak struktury. Konwencjonalne podejścia do analizy Dane niestrukturalne użyj dopasowania słów kluczowych lub synonimów. Nie oddają pełnego kontekstu dokumentu, co czyni je mniej skutecznymi w obsłudze danych nieustrukturyzowanych.
W przeciwieństwie do osadzania tekstu uczenie maszynowe (ML) możliwości uchwycenia znaczenia nieustrukturyzowanych danych. Osadzania są generowane przez modele języka reprezentacyjnego, które tłumaczą tekst na wektory numeryczne i kodują informacje kontekstowe w dokumencie. Umożliwia to aplikacjom takim jak wyszukiwanie semantyczne, Odzyskanie Augmented Generation (RAG), modelowanie tematów i klasyfikacja tekstu.
Na przykład w branży usług finansowych aplikacje obejmują wyciąganie wniosków z raportów o zarobkach, wyszukiwanie informacji w sprawozdaniach finansowych i analizowanie nastrojów na temat akcji i rynków występujących w wiadomościach finansowych. Osadzanie tekstu umożliwia profesjonalistom z branży wyciąganie wniosków z dokumentów, minimalizowanie błędów i zwiększanie ich wydajności.
W tym poście prezentujemy aplikację, która może wyszukiwać i wysyłać zapytania do wiadomości finansowych w różnych językach za pomocą Cohere osadzać i Zmień rangę modele z Amazońska skała macierzysta.
Wielojęzyczny model osadzania Cohere
Cohere to wiodąca platforma sztucznej inteligencji dla przedsiębiorstw, która tworzy światowej klasy duże modele językowe (LLM) i rozwiązania oparte na LLM, które umożliwiają komputerom wyszukiwanie, przechwytywanie znaczenia i konwersację w tekście. Zapewniają łatwość obsługi oraz silną kontrolę bezpieczeństwa i prywatności.
Wielojęzyczny model osadzania Cohere generuje reprezentacje wektorowe dokumentów dla ponad 100 języków i jest dostępny na Amazon Bedrock. Dzięki temu klienci AWS mogą uzyskać do niego dostęp w formie API, co eliminuje potrzebę zarządzania bazową infrastrukturą i zapewnia bezpieczne zarządzanie i ochronę wrażliwych informacji.
Model wielojęzyczny grupuje teksty o podobnym znaczeniu, przypisując im pozycje znajdujące się blisko siebie w wektorowej przestrzeni semantycznej. Dzięki wielojęzycznemu modelowi osadzania programiści mogą przetwarzać tekst w wielu językach bez konieczności przełączania się między różnymi modelami, jak pokazano na poniższym rysunku. Dzięki temu przetwarzanie jest bardziej wydajne i poprawia wydajność aplikacji wielojęzycznych.
Oto niektóre z najważniejszych cech modelu osadzania Cohere’a:
- Skup się na jakości dokumentów – Typowe modele osadzania są szkolone w zakresie pomiaru podobieństwa między dokumentami, ale model Cohere’a mierzy również jakość dokumentu
- Lepsze wyszukiwanie w zastosowaniach RAG – Aplikacje RAG wymagają dobrego systemu wyszukiwania, w którym wyróżnia się model osadzania Cohere
- Ekonomiczna kompresja danych – Cohere wykorzystuje specjalną metodę uczenia uwzględniającą kompresję, co zapewnia znaczne oszczędności w bazie danych wektorowych
Przypadki użycia do osadzania tekstu
Osadzanie tekstu przekształca nieustrukturyzowane dane w ustrukturyzowaną formę. Umożliwia to obiektywne porównanie, analizę i wyciągnięcie wniosków ze wszystkich tych dokumentów. Poniżej znajdują się przykładowe przypadki użycia, które umożliwia model osadzania Cohere:
- Wyszukiwanie semantyczne – Umożliwia potężne aplikacje wyszukujące w połączeniu z wektorową bazą danych, z doskonałą trafnością w oparciu o znaczenie wyszukiwanego hasła
- Wyszukiwarka większego systemu – Wyszukuje i pobiera najbardziej istotne informacje z połączonych źródeł danych przedsiębiorstwa dla systemów RAG
- Klasyfikacja tekstu – Obsługuje rozpoznawanie intencji, analizę nastrojów i zaawansowaną analizę dokumentów
- Modelowanie tematyczne – Zamienia zbiór dokumentów w odrębne grupy, aby odkrywać nowe tematy i motywy
Ulepszone systemy wyszukiwania z funkcją Rerank
W przedsiębiorstwach, w których istnieją już konwencjonalne systemy wyszukiwania słów kluczowych, jak wprowadzić nowoczesne możliwości wyszukiwania semantycznego? W przypadku takich systemów, które od dawna stanowią część architektury informacyjnej firmy, całkowita migracja do podejścia opartego na osadzaniu jest w wielu przypadkach po prostu niewykonalna.
Punkt końcowy zmiany rangi Cohere’a ma na celu wypełnienie tej luki. Działa jako drugi etap przepływu wyszukiwania i zapewnia ranking odpowiednich dokumentów według zapytania użytkownika. Przedsiębiorstwa mogą zachować istniejący system słów kluczowych (lub nawet semantyczny) na potrzeby pierwszego etapu wyszukiwania i podnieść jakość wyników wyszukiwania dzięki punktowi końcowemu Rerank w drugim etapie ponownego rankingu.
Rerank zapewnia szybką i prostą opcję poprawy wyników wyszukiwania poprzez wprowadzenie technologii wyszukiwania semantycznego do stosu użytkownika za pomocą jednej linii kodu. Punkt końcowy jest również wyposażony w obsługę wielojęzyczną. Poniższy rysunek ilustruje przepływ pracy pobierania i zmiany rankingu.
Omówienie rozwiązania
Analitycy finansowi muszą analizować wiele treści, takich jak publikacje finansowe i media informacyjne, aby być na bieżąco. Według Stowarzyszenie Profesjonalistów Finansowych (AFP)analitycy finansowi spędzają 75% swojego czasu na gromadzeniu danych lub administrowaniu procesami, zamiast na analizie wartości dodanej. Znalezienie odpowiedzi na pytanie w różnych źródłach i dokumentach jest czasochłonną i żmudną pracą. Model osadzania Cohere pomaga analitykom szybko przeszukiwać wiele tytułów artykułów w wielu językach, aby znaleźć i uszeregować artykuły, które są najbardziej odpowiednie dla konkretnego zapytania, oszczędzając ogromną ilość czasu i wysiłku.
W poniższym przykładzie przypadku użycia pokazujemy, jak model Cohere Embed wyszukuje i wysyła zapytania w wiadomościach finansowych w różnych językach w jednym unikalnym potoku. Następnie pokażemy, jak dodanie funkcji Rerank do wyszukiwania osadzonych elementów (lub dodanie jej do starszego wyszukiwania leksykalnego) może jeszcze bardziej poprawić wyniki.
Obsługiwany notebook jest dostępny na stronie GitHub.
Poniższy diagram ilustruje przepływ pracy aplikacji.
Włącz dostęp do modelu za pośrednictwem Amazon Bedrock
Użytkownicy Amazon Bedrock muszą poprosić o dostęp do modeli, aby udostępnić je do użytku. Aby poprosić o dostęp do dodatkowych modeli, wybierz Dostęp do modelu okienko nawigacyjne na Amazon Bedrock konsola. Aby uzyskać więcej informacji, zobacz Dostęp do modelu. Aby skorzystać z tego przewodnika, musisz poprosić o dostęp do wielojęzycznego modelu Cohere Embed.
Zainstaluj pakiety i zaimportuj moduły
Najpierw instalujemy niezbędne pakiety i importujemy moduły, których użyjemy w tym przykładzie:
Dokumenty przywozowe
Korzystamy ze zbioru danych (MultiFIN) zawierającego listę nagłówków artykułów ze świata rzeczywistego w 15 językach (angielski, turecki, duński, hiszpański, polski, grecki, fiński, hebrajski, japoński, węgierski, norweski, rosyjski, włoski, islandzki i szwedzki ). Jest to zbiór danych typu open source przeznaczony do przetwarzania finansowego języka naturalnego (NLP) i jest dostępny na stronie internetowej Repozytorium GitHub.
W naszym przypadku stworzyliśmy plik CSV z danymi MultiFIN oraz kolumnę z tłumaczeniami. Nie używamy tej kolumny do zasilania modelu; używamy go, aby pomóc nam śledzić wyniki podczas drukowania wyników dla tych, którzy nie mówią po duńsku ani hiszpańsku. Wskazujemy na ten plik CSV, aby utworzyć naszą ramkę danych:
Wybierz listę dokumentów do zapytania
MultiFIN posiada ponad 6,000 rekordów w 15 różnych językach. W naszym przykładowym przypadku użycia skupiamy się na trzech językach: angielskim, hiszpańskim i duńskim. Sortujemy również nagłówki według długości i wybieramy najdłuższe.
Ponieważ wybieramy najdłuższe artykuły, dbamy o to, aby długość nie wynikała z powtarzających się sekwencji. Poniższy kod pokazuje przykład, w którym tak jest. Posprzątamy to.
df['text'].iloc[2215]
Nasza lista dokumentów jest ładnie rozmieszczona w trzech językach:
Poniżej znajduje się najdłuższy nagłówek artykułu w naszym zbiorze danych:
Osadzaj i indeksuj dokumenty
Teraz chcemy osadzić nasze dokumenty i przechowywać osady. Osadzenia to bardzo duże wektory, które zawierają semantyczne znaczenie naszego dokumentu. W szczególności używamy modelu embed-multilingual-v3.0 firmy Cohere, który tworzy osadzania o 1,024 wymiarach.
Po przekazaniu zapytania osadzamy je również i używamy biblioteki hnswlib do znalezienia najbliższych sąsiadów.
Aby skonfigurować klienta Cohere, osadzić dokumenty i utworzyć indeks wyszukiwania, wystarczy kilka linijek kodu. Monitorujemy również język i tłumaczenie dokumentu, aby wzbogacić wyświetlanie wyników.
Zbuduj system odzyskiwania
Następnie budujemy funkcję, która pobiera zapytanie jako dane wejściowe, osadza je i znajduje cztery nagłówki bliżej z nim powiązane:
Zapytaj system odzyskiwania
Przyjrzyjmy się, co nasz system robi z kilkoma różnymi zapytaniami. Zaczynamy od angielskiego:
Wyniki są następujące:
Zwróć uwagę na następujące kwestie:
- Zadajemy powiązane, ale nieco inne pytania, a model jest na tyle dopracowany, że najbardziej istotne wyniki można wyświetlić na górze.
- Nasz model nie wykonuje wyszukiwania opartego na słowach kluczowych, ale wyszukiwanie semantyczne. Nawet jeśli użyjemy terminu „nauka o danych” zamiast „sztuczna inteligencja”, nasz model jest w stanie zrozumieć, o co się pyta, i zwrócić najbardziej odpowiedni wynik na górze.
A co powiesz na zapytanie w języku duńskim? Przyjrzyjmy się następującemu zapytaniu:
W poprzednim przykładzie angielski akronim „PP&E” oznacza „property, plant, and equipment” i nasz model był w stanie powiązać go z naszym zapytaniem.
W tym przypadku wszystkie zwrócone wyniki są w języku duńskim, ale model może zwrócić dokument w języku innym niż zapytanie, jeśli jego znaczenie semantyczne jest bliższe. Mamy pełną elastyczność i za pomocą kilku linijek kodu możemy określić, czy model ma przeglądać tylko dokumenty w języku zapytania, czy też ma przeglądać wszystkie dokumenty.
Popraw wyniki dzięki Cohere Rerank
Osadzania mają ogromną moc. Jednak teraz przyjrzymy się, jak jeszcze bardziej udoskonalić nasze wyniki za pomocą punktu końcowego Rerank firmy Cohere, który został przeszkolony do oceniania trafności dokumentów w porównaniu z zapytaniem.
Kolejną zaletą Rerank jest to, że może działać na starszej wyszukiwarce słów kluczowych. Nie musisz przechodzić na wektorową bazę danych ani wprowadzać drastycznych zmian w swojej infrastrukturze, a zajmuje to tylko kilka linijek kodu. Zmiana rankingu jest dostępna w Amazon Sage Maker.
Wypróbujmy nowe zapytanie. Tym razem używamy SageMakera:
W tym przypadku wyszukiwarka semantyczna była w stanie znaleźć naszą odpowiedź i wyświetlić ją w wynikach, ale nie znalazła się ona na górze. Jeśli jednak ponownie przekażemy zapytanie do naszego punktu końcowego Rerank z listą pobranych dokumentów, funkcja Rerank będzie w stanie wyświetlić na górze najbardziej odpowiedni dokument.
Najpierw tworzymy klienta i punkt końcowy Rerank:
Gdy przekazujemy dokumenty do Reranku, model jest w stanie trafnie wybrać ten najbardziej odpowiedni:
Wnioski
W tym poście przedstawiono instruktaż wykorzystania wielojęzycznego modelu osadzania Cohere w Amazon Bedrock w domenie usług finansowych. W szczególności zademonstrowaliśmy przykład wielojęzycznej aplikacji do wyszukiwania artykułów finansowych. Widzieliśmy, jak model osadzania umożliwia wydajne i dokładne odkrywanie informacji, zwiększając w ten sposób produktywność i jakość wyników analityka.
Wielojęzyczny model osadzania Cohere obsługuje ponad 100 języków. Eliminuje złożoność tworzenia aplikacji wymagających pracy z korpusem dokumentów w różnych językach. The Spójny model osadzania jest przeszkolony w zakresie dostarczania wyników w rzeczywistych zastosowaniach. Obsługuje zaszumione dane jako dane wejściowe, dostosowuje się do złożonych systemów RAG i zapewnia efektywność kosztową dzięki metodzie uczenia uwzględniającej kompresję.
Już dziś rozpocznij budowanie z wielojęzycznym modelem osadzania Cohere w Amazon Bedrock.
O autorach
Jamesa Yi jest starszym architektem rozwiązań dla partnerów AI/ML w zespole Technology Partners COE Tech w Amazon Web Services. Pasjonuje go współpraca z klientami i partnerami korporacyjnymi przy projektowaniu, wdrażaniu i skalowaniu aplikacji AI/ML w celu uzyskania wartości biznesowej. Poza pracą lubi grać w piłkę nożną, podróżować i spędzać czas z rodziną.
Gonzalo Betegona jest architektem rozwiązań w firmie Cohere, dostawcy najnowocześniejszych technologii przetwarzania języka naturalnego. Pomaga organizacjom zaspokoić ich potrzeby biznesowe poprzez wdrażanie dużych modeli językowych.
Meora Amera jest rzecznikiem programistów w firmie Cohere, dostawcy najnowocześniejszej technologii przetwarzania języka naturalnego (NLP). Pomaga programistom tworzyć najnowocześniejsze aplikacje przy użyciu dużych modeli językowych (LLM) firmy Cohere.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/build-financial-search-applications-using-the-amazon-bedrock-cohere-multilingual-embedding-model/
- :ma
- :Jest
- :nie
- :Gdzie
- $W GÓRĘ
- 000
- 1
- 10
- 100
- 11
- 13
- 15%
- 16
- 2030
- 22
- 29
- 33
- 7
- 8
- 80
- 9
- a
- Zdolny
- O nas
- dostęp
- Stosownie
- Konto
- dokładny
- dokładnie
- Osiągać
- w poprzek
- Dzieje Apostolskie
- dostosowuje się
- dodanie
- Dodatkowy
- adres
- zaawansowany
- Korzyść
- rzecznik
- AFP
- ponownie
- przed
- AI
- Platforma AI
- AI / ML
- Wszystkie kategorie
- dopuszczać
- pozwala
- wzdłuż
- już
- również
- Amazonka
- Amazon Web Services
- ilość
- kwoty
- an
- analiza
- analityk
- analitycy
- Analizując
- i
- odpowiedź
- api
- Zastosowanie
- aplikacje
- podejście
- awanse
- architektura
- SĄ
- artykuł
- towary
- AS
- pytanie
- At
- zwiększona
- dostępny
- AWS
- na podstawie
- bo
- być
- jest
- Ulepsz Swój
- pomiędzy
- Bloki
- podnieść
- pobudzanie
- Brexit
- BRIDGE
- budować
- Budowanie
- Buduje
- biznes
- Liderzy biznesu
- biznes
- ale
- by
- CAN
- możliwości
- zdobyć
- walizka
- Etui
- sufit
- Dyrektorzy finansowi
- wyzwanie
- wyzwania
- zmiana
- Zmiany
- Dodaj
- klasyfikacja
- kleń
- klient
- Zamknij
- dokładnie
- bliższy
- CO
- kod
- kolekcja
- Kolumna
- byliśmy spójni, od początku
- Firmy
- Firma
- porównać
- kompletny
- kompleks
- kompleksowość
- komputery
- zaniepokojony
- Skontaktuj się
- połączony
- zawartość
- kontekst
- kontekstowy
- kontrast
- kontroli
- Konwencjonalny
- Korporacyjny
- Koszty:
- oszczędności
- mógłby
- Para
- sprzężony
- pokrycie
- COVID-19
- Stwórz
- stworzony
- tworzy
- kredyt
- kryzys
- Kryteria
- kurator
- Aktualny
- Klientów
- pionierski nowatorski
- Bezpieczeństwo cybernetyczne
- duński
- dane
- nauka danych
- Baza danych
- de
- ostateczny termin
- czynienia
- dedykowane
- del
- dostarczyć
- Dostarczyć wyniki
- dostarcza
- wykazać
- wykazać
- To
- rozwijać
- Wdrożenie
- depozyty
- czerpać
- Wnętrze
- zaprojektowany
- Deweloper
- deweloperzy
- oprogramowania
- różne
- trudny
- Digest
- Wymiary
- odkryj
- odkrycie
- Wyświetlacz
- odrębny
- dystrybuowane
- 分配
- do
- dokument
- dokumenty
- robi
- domena
- nie
- na dół
- napęd
- z powodu
- e
- każdy
- Wcześnie
- Zarobki
- łatwość
- łatwość użycia
- gospodarka
- Efektywne
- wydajny
- wysiłek
- el
- eliminuje
- więcej
- osadzać
- osadzanie
- wschodzących
- emisje
- Pracownik
- umożliwiać
- Umożliwia
- zakończenia
- Punkt końcowy
- zaręczynowy
- silnik
- Angielski
- ogromny
- dość
- wzbogacać
- zapewnić
- zapewnia
- Enterprise
- klienci korporacyjni
- przedsiębiorstwa
- Środowisko
- sprzęt
- Błędy
- ESG
- zapewniają
- Eter (ETH)
- Parzyste
- przykład
- doskonała
- Przede wszystkim system został opracowany
- doświadczony
- odkryj
- wyciąg
- Spada
- członków Twojej rodziny
- FAST
- wykonalny
- kilka
- Postać
- filet
- budżetowy
- wiadomości finansowe
- usługi finansowe
- Znajdź
- znalezieniu
- znajduje
- fiński
- pięć
- Elastyczność
- pływ
- Skupiać
- obserwuj
- następujący
- następujący sposób
- W razie zamówieenia projektu
- Nasz formularz
- znaleziono
- cztery
- pierwszy
- od
- pełny
- funkcjonować
- dalej
- szczelina
- GAS
- zebranie
- PKB
- wygenerowane
- generuje
- Globalne
- Gospodarka światowa
- Go
- Gole
- będzie
- dobry
- grecki
- Grupy
- poprowadzi
- Uchwyty
- Have
- he
- headers
- Nagłówki
- hebrajski
- pomoc
- pomaga
- pasemka
- jego
- Dobranie (Hit)
- W jaki sposób
- How To
- Jednak
- HTML
- HTTPS
- węgierski
- i
- if
- ilustruje
- wykonawczych
- importować
- podnieść
- poprawia
- poprawy
- in
- zawierać
- Zwiększać
- wskaźnik
- przemysł
- Informacje
- Informacja
- poinformowany
- Infrastruktura
- wkład
- Wejścia
- spostrzeżenia
- zainstalować
- zamiast
- integrować
- integracja
- zamiar
- najnowszych
- przedstawiać
- wprowadzenie
- IP
- IT
- włoski
- JEGO
- styczeń
- Japonki
- Oferty pracy
- jpg
- właśnie
- Trzymać
- krajobraz
- JĘZYK
- język
- Języki
- duży
- większe
- największym
- LAS
- Nazwisko
- firmy
- Przywódcy
- prowadzący
- dzierżawić
- Dziedzictwo
- Ustawodawczy
- wniosek legislacyjny
- Długość
- mniej
- Biblioteka
- lubić
- Linia
- linie
- Lista
- Katalogowany
- Kredyty
- długo
- długi czas
- Popatrz
- im
- Partia
- Główny
- robić
- WYKONUJE
- Dokonywanie
- mężczyzna
- zarządzanie
- zarządzane
- i konserwacjami
- wiele
- mapa
- March
- rynek
- wartość rynkowa
- rynki
- masywny
- dopasowywanie
- znaczenie
- znaczenia
- zmierzyć
- środków
- Media
- Poznaj nasz
- Spotkanie
- sam
- metoda
- migracja
- zminimalizować
- ML
- Moda
- model
- modelowanie
- modele
- Nowoczesne technologie
- Moduły
- jeszcze
- bardziej wydajny
- większość
- dużo
- wielokrotność
- Nazwa
- Naturalny
- Język naturalny
- Przetwarzanie języka naturalnego
- Nawigacja
- niezbędny
- Potrzebować
- wymagania
- sąsiedzi
- Nowości
- aktualności
- News Media
- Następny
- nlp
- Nie
- norweski
- notatnik
- już dziś
- liczny
- NY
- NYE
- NYT
- obiektywnie
- of
- on
- ONE
- te
- tylko
- atak
- koncepcja
- open source
- Option
- or
- zamówienie
- organizacji
- oryginalny
- OS
- Inne
- ludzkiej,
- wydajność
- zewnętrzne
- koniec
- pakiet
- Pakiety
- pandy
- chleb
- część
- szczególny
- partnerem
- wzmacniacz
- przechodzić
- minęło
- namiętny
- płatność
- Lista płac
- dla
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- wybierać
- zbierając
- rurociąg
- krok po kroku
- roślina
- Platforma
- plato
- Analiza danych Platona
- PlatoDane
- gra
- Podcast
- punkt
- Polski
- Pozycje
- Post
- potencjał
- mocny
- poprzedzający
- teraźniejszość
- przedstawione
- Główny
- prywatność
- wygląda tak
- przetwarzanie
- wydajność
- specjalistów
- Postęp
- własność
- wniosek
- chroniony
- zapewniać
- dostawca
- zapewnia
- publikacje
- cel
- PWC
- jakość
- zapytania
- pytanie
- pytania
- szybko
- R
- podnieść
- rankingu
- Ranking
- RE
- gotowy
- Prawdziwy świat
- uznanie
- dokumentacja
- zmniejszyć
- odniesienie
- oczyścić
- Reforma
- region
- związane z
- mających znaczenie
- pozostawać
- szczątki
- usuwa
- otworzyć na nowo
- powtórzony
- obsługi produkcji rolnej, która zastąpiła
- Raportowanie
- Raporty
- zażądać
- wymagać
- dalsze
- wynikły
- Efekt
- zachować
- powrót
- powrót
- Rosyjski
- s
- sagemaker
- oszczędność
- Oszczędności
- zobaczył
- Skala
- nauka
- wynik
- Szukaj
- Wyszukiwarka
- wyszukiwania
- poszukiwania
- SEK
- druga
- bezpiecznie
- bezpieczeństwo
- widzieć
- wybrany
- senior
- wrażliwy
- sentyment
- Usługi
- Sesja
- akcjonariusz
- powinien
- prezentacja
- Targi
- podobny
- pojedynczy
- Witryny
- trochę inny
- Powoli
- Piłka nożna
- Rozwiązania
- kilka
- Źródło
- Źródła
- Typ przestrzeni
- hiszpański
- mówić
- specjalny
- wydać
- Spędzanie
- stos
- Personel
- STAGE
- standard
- stojaki
- początek
- Startowy
- oświadczenia
- pobyt
- stany magazynowe
- Giełda Papierów Wartościowych
- Akcje
- sklep
- bezpośredni
- Strategia
- silny
- zbudowany
- znaczny
- taki
- wsparcie
- Utrzymany
- Wspierający
- podpory
- Powierzchnia
- Badanie
- Zrównoważony rozwój
- zrównoważone
- Zrównoważony rozwój
- szwedzki
- Przełącznik
- Synonim
- system
- systemy
- trwa
- cele
- podatek
- ulga podatkowa
- zespół
- tech
- Technologia
- semestr
- XNUMX
- Klasyfikacja tekstu
- niż
- że
- Połączenia
- ich
- Im
- następnie
- Tam.
- a tym samym
- Te
- one
- to
- tych
- trzy
- Przez
- czas
- tytuły
- do
- już dziś
- Top
- aktualny
- tematy
- śledzić
- przeszkolony
- Trening
- tłumaczyć
- Tłumaczenie
- Tłumaczenia
- Podróżowanie
- próbować
- turecki
- SKRĘCAĆ
- włącza
- typowy
- UN
- odkryć
- zasadniczy
- zrozumieć
- wyjątkowy
- URL
- us
- posługiwać się
- przypadek użycia
- Użytkownicy
- zastosowania
- za pomocą
- wartość
- różnorodność
- początku.
- solucja
- chcieć
- była
- fala
- Droga..
- we
- sieć
- usługi internetowe
- DOBRZE
- Co
- jeśli chodzi o komunikację i motywację
- czy
- który
- KIM
- będzie
- w
- bez
- Praca
- workflow
- pracujący
- świat
- klasa światowa
- lat
- jeszcze
- ty
- Twój
- zefirnet