Dziś my ogłosił RStudio na Amazon SageMaker, pierwsze zintegrowane środowisko programistyczne (IDE) uczenia maszynowego (ML) w chmurze dla analityków danych pracujących w języku R. Język open source R i jego bogaty ekosystem z ponad Pakiety 18,000 jest najlepszym wyborem dla statystyków, analityków ilościowych, naukowców zajmujących się danymi i inżynierów ML. RStudio w SageMaker ułatwia analitykom danych przeprowadzanie analiz statystycznych, budowanie modeli ML i tworzenie treści do nauki o danych w scentralizowanym środowisku dla zespołu, bez martwienia się o infrastrukturę obliczeniową.
Wraz z RStudio Workbench jako część pakietu RStudio dla programistów R są RStudio Connect i RStudio Package Manager. RStudio Połącz ułatwia wydobywanie spostrzeżeń dotyczących uczenia maszynowego i analizy danych ze skomplikowanej pracy analityków danych i przekazanie ich w ręce decydentów. RStudio Connect zaprojektowano, aby umożliwić analitykom danych publikowanie spostrzeżeń, pulpitów nawigacyjnych i aplikacji internetowych. RStudio Connect sprawia również, że hosting i zarządzanie zawartością są proste i skalowalne do szerokiego użytku.
Menedżer pakietów RStudio pomaga organizować i centralizować pakiety R w zespołach i organizacjach ML. Gdy analitycy danych opracowują swoje modele ML, potrzebują różnych pakietów z różnymi możliwościami dla ich przypadków użycia ML w RStudio. Ręczne zarządzanie źródłami i wersjami tych pakietów oraz licznymi repozytoriami publicznymi dla użytkowników korporacyjnych jest podatne na błędy i jest również czasochłonne. Menedżer pakietów RStudio łagodzi te problemy, zarządzając centralnie repozytorium pakietów w organizacji, dzięki czemu analitycy danych mogą szybko i bezpiecznie instalować pakiety oraz zapewniać odtwarzalność i powtarzalność projektu. Bezpieczeństwo i powtarzalność to najważniejsze aspekty w branżach regulowanych, takich jak opieka zdrowotna i finanse.
W tym poście najpierw pokażemy, jak zaprojektować i wdrożyć RStudio Connect i RStudio Package Manager z dobrze zaprojektowanym rozwiązaniem w AWS. Następnie pokażemy, jak korzystać z RStudio Connect i Menedżera pakietów RStudio z RStudio na SageMaker. używamy Zbiór danych dotyczących raka piersi UCI zbudować kilka typów treści ML w języku R w RStudio na SageMaker. Zawartość ML, którą demonstrujemy w poście, obejmuje R Markdown i aplikację R Shiny
Omówienie rozwiązania
Architektura rozwiązania oparta jest na profesjonalnych wersjach kontenerów RStudio Connect i RStudio Package Manager Docker. RStudio Connect i Menedżer pakietów RStudio są konfigurowane w dwóch Strefy dostępności dla wysokiej dostępności. Zarówno kontenery RStudio Connect, jak i RStudio Package Manager obsługują automatyczne skalowanie w celu obsługi ruchu przychodzącego w zależności od liczby żądań przychodzących, użycia pamięci i procesora CPU w kontenerach.
Obrazy kontenerów są przechowywane i pobierane z nich Rejestr elastycznego pojemnika Amazon (Amazon ECR) z włączonym skanowaniem w poszukiwaniu luk. Przed wdrożeniem obrazów należy rozwiązać problemy z lukami w zabezpieczeniach.
Poniższy schemat ilustruje architekturę rozwiązania.
Poniżej przedstawiono kroki w przepływie pracy rozwiązania:
- Użytkownicy R uzyskują dostęp do RStudio Connect i Menedżera pakietów RStudio za pośrednictwem Amazon trasy 53. Route 53 to usługa DNS dla żądań przychodzących.
- Trasa 53 rozwiązuje przychodzące żądania i przekazuje je dalej AWS WAF do kontroli bezpieczeństwa.
- Prawidłowe żądania docierają do Moduł równoważenia obciążenia aplikacji (ALB), który przekazuje je do Usługa Amazon Elastic Container Service (Amazon ECS). ALB sprawdza przychodzące żądania certyfikatu HTTPS, który jest wydawany i weryfikowany przez Menedżer certyfikatów AWS.
- Amazon ECS kontroluje kontenery w klastrze Elastyczna chmura obliczeniowa Amazon (Amazon EC2) instancje (typ uruchamiania EC2) w pliku an Grupa automatycznego skalowania i jest odpowiedzialny za skalowanie w górę iw dół liczby kontenerów w razie potrzeby za pomocą pliku Dostawca pojemności Amazon ECS.
- Żądania przychodzące są przetwarzane przez serwer RStudio Connect w dowolnym z dostępnych kontenerów RStudio Connect; użytkownicy są uwierzytelniani, a aplikacje renderowane w przeglądarce internetowej. Żądania Menedżera pakietów RStudio są kierowane do kontenera Menedżera pakietów.
- Amazon Aurora bezserwerowy Bazy danych PostgreSQL są używane do zapewnienia wysokiej dostępności przy użyciu wielu kontenerów zarówno dla RStudio Connect, jak i Menedżera pakietów RStudio. Aurora automatycznie tworzy kopie zapasowe bezserwerowych baz danych klastrów. Dane w Aurorze są szyfrowane w spoczynku za pomocą Usługa zarządzania kluczami AWS (AWS KMS).
- System plików Amazon Elastic (Amazon EFS) zapewnia trwały system plików wymagany przez RStudio Connect i RStudio Package Manager. Dane w Amazon EFS są szyfrowane w stanie spoczynku przy użyciu AWS KMS. Amazon EFS to system plików NFS, który przechowuje dane w wielu strefach dostępności w jednym Region AWS dla trwałości danych i wysokiej dostępności. Kopie zapasowe plików utworzonych w kontenerach kontenerów RStudio Connect i RStudio Package Manager Amazon EFS są automatycznie tworzone przez Amazon EFS.
- Jeśli sesja użytkownika komunikuje się z publicznym Internetem, żądania wychodzące są wysyłane do Bramka NAT z prywatnej podsieci kontenera.
- Brama NAT wysyła żądania wychodzące do przetworzenia za pośrednictwem adresu brama internetowa. Trasy do Internetu można również skonfigurować za pomocą Brama tranzytowa AWS.
Używamy pliki Zestaw programistyczny AWS Cloud (AWS CDK) dla Pythona w celu opracowania kodu infrastruktury i przechowywania kodu w pliku Zatwierdzenie kodu AWS repozytorium, więc AWS Code Pipeline może integrować stosy AWS CDK do automatycznych kompilacji.
Kod wdrożenia wykorzystuje Publiczne hostowane strefy Route 53 do obsługi RStudio Connect i Menedżera pakietów RStudio na publicznie dostępnych adresach URL. Możesz użyć Route 53 prywatne hostowane strefy dla kontenerów RStudio Connect i RStudio Package Manager z wewnętrznym ALB, który zapewnia prywatne punkty końcowe dla użytkowników pochodzących z RStudio na SageMaker w trybie łączności tylko dla VPC. Oznacza to, że nie potrzebujesz istniejącej domeny publicznej na swoim koncie AWS. Musisz jednak pobrać publiczne obrazy Dockera (RStudio Połącz, Menedżer pakietów RStudio) i przechowuj je w prywatnym repozytorium Amazon ECR i skieruj kod wdrożenia na te obrazy w celu zbudowania infrastruktury.
Jeśli cała komunikacja między usługami AWS musi pozostać w AWS, możesz użyć Prywatny link AWS do konfiguracji punktów końcowych VPC dla usług AWS. AWS PrivateLink zapewnia, że ruch między usługami nie jest narażony na Internet dla punktów końcowych usług AWS.
Możesz również odwołać się do Rozwiązanie zespołu RStudio firmy RStudio aby dowiedzieć się, jak wdrożyć stos technologii RStudio na Amazon EC2 w AWS jako alternatywę dla rozwiązania omówionego w tym poście.
Wymagania wstępne
Aby wdrożyć stosy AWS CDK z kodu źródłowego, należy przejrzeć i wykonać wymagania wstępne opisane w załączonym Repozytorium GitHub aby upewnić się, że masz niezbędne zasoby, aby kontynuować.
Uruchom rozwiązanie
- Sklonuj Repozytorium GitHub, Sprawdź gałąź rsc-rspmi przejdź do folderu aws-fargate-with-rstudio-open-source.
- Utwórz repozytorium CodeCommit przechowywać kod źródłowy do instalacji Menedżera pakietów RStudio Connect/RStudio za pomocą następującego polecenia:
- Podaj wymagane parametry cdk.json wykonując krok 3 w Kroki instalacji odcinek readme plik.
- Instalacja wymagania dotyczące pakietu dla aplikacji AWS CDK:
- Przed zatwierdzeniem kodu do repozytorium CodeCommit zsyntetyzuj stosy AWS CDK. Dzięki temu wszystkie niezbędne wartości kontekstu zostaną wypełnione w pliku
cdk.context.json
plik i unika mapowania fałszywych wartości. - Zatwierdź zmiany w utworzonym repozytorium CodeCommit. Wykonaj krok 5 w Kroki instalacji pliku readme, jeśli potrzebujesz pomocy z poleceniami Git.
- Wdróż stosy AWS CDK, aby zainstalować Menedżera pakietów RStudio Connect/RStudio przy użyciu CodePipeline. Ten krok zajmuje około 30 minut.
- Nawiguj do Konsola CodePipeline (link prowadzi do
us-west-2
Region). Monitoruj potok i potwierdź, że usługi zostały skompilowane pomyślnie.
Nazwa rurociągu to RSC-RSPM-App-Pipeline-<instance>
. Od tego momentu potok jest uruchamiany w przypadku zatwierdzeń w utworzonym przez Ciebie repozytorium CodeCommit. Nie ma potrzeby biegania cdk deploy
(Krok 7) już nie.
- Po zakończeniu instalacji potoku można uzyskać dostęp do programu RStudio Connect i Menedżera pakietów RStudio przy użyciu następujących adresów URL, gdzie
r53_base_domain
,instance
to parametry, które przekazałeś cdk.json:https://connect.<instance>.<r53_base_domain>
https://package.<instance>.<r53_base_domain>
- Możesz użyć Kierownik Amazon ECS aby zalogować się zarówno do kontenerów RStudio Connect, jak i Menedżera pakietów RStudio. Podążaj za readme po instrukcje.
Zarządzaj pakietami za pomocą Menedżera pakietów RStudio
Menedżer pakietów RStudio pomaga zapewnić spójność i standaryzację pakietów języka R w całej organizacji. W Menedżerze pakietów RStudio administrator IT może dołączyć zatwierdzony pakiet do repozytorium. Można utworzyć wiele grup, aby mieć dostęp do różnych pakietów lub wersji pakietów. Menedżer pakietów RStudio obsługuje również wszystkie aktualizacje i wersje pakietów. Administrator może włączyć automatyczne aktualizacje pakietów lub skonfigurować Menedżera pakietów RStudio w taki sposób, aby pakiety można było aktualizować tylko ręcznie, co zapewnia większą izolację między Menedżerem pakietów RStudio a usługą CRAN.
Skonfiguruj Menedżera pakietów RStudio
Możemy utworzyć repozytorium, które pobiera pakiety z RStudio CRAN za pomocą następujące polecenia. Aby uruchomić te polecenia, musimy połączyć się przez SSH z Menedżerem pakietów RStudio za pomocą Amazon ECS Exec.
Polecenia tworzą repozytorium i subskrybują je do wbudowanego źródła o nazwie cran
. Kiedy to się skończy, dev-cran
repozytorium jest dostępne w interfejsie internetowym Menedżera pakietów RStudio, jak pokazano na poniższym zrzucie ekranu. Ten interfejs sieciowy jest dostępny dla administratora, a także dla użytkowników, którzy mają do niego adres URL.
Oprócz obsługi pakietów CRAN można tworzyć repozytoria w celu dystrybucji pakietów lokalnych, pakietów Git, pakietów lokalnych wraz z pakietami CRAN, podzbiorem zatwierdzonych pakietów CRAN i lokalnych oraz pakietów krwawiących z GitHub. Aby uzyskać więcej informacji na temat tworzenia repozytoriów, zobacz Obsługa pakietów CRAN. Ponadto obsługuje Menedżera pakietów RStudio Bioprzewodnik. Bioprzewodnik to powszechnie stosowany ekosystem pakietów R w naukach przyrodniczych. Możemy łączyć pakiety Bioconductor z CRAN, jak również pakiety lokalne w Menedżerze pakietów RStudio.
Wersje pakietów Menedżera pakietów RStudio
W interfejsie sieci Web Menedżera pakietów RStudio na ustawienie możesz wybrać repozytorium według daty w widoku kalendarza. Możesz także wybrać, czy chcesz użyć najnowszej wersji pakietów, czy zamrozić pakiety do określonej migawki, jak pokazano na poniższym zrzucie ekranu.
Na ustawienie możemy również zobaczyć, jakie wymagania systemowe mogą być potrzebne dla pakietów repozytorium, wraz z poleceniami do ich instalacji.
Skonfiguruj RStudio w domenie SageMaker, aby używać RStudio Connect i Menedżera pakietów RStudio
Tworząc domenę SageMaker za pomocą RStudio, masz możliwość ustawienia domyślnego serwera RStudio Connect i repozytorium Menedżera pakietów RStudio dla wszystkich użytkowników w domenie SageMaker. Podczas procesu tworzenia domeny SageMaker, jak opisano w sekcji Utwórz domenę SageMaker za pomocą RStudio sekcja w Pierwsze kroki z RStudio na Amazon SageMaker, możesz skonfigurować domyślne adresy URL programu RStudio Connect i Menedżera pakietów RStudio dla wszystkich profili użytkowników w Krok 3: Ustawienia RStudio. Forum RStudio Połącz, wprowadź adres URL serwera RStudio Connect. Dla Menedżer pakietów RStudio, wprowadź repozytorium CRAN lub Bioconductor.
Domyślne adresy URL są konfigurowane i zapisywane w /etc/rstudio/rsession.conf
dla wszystkich użytkowników RStudio na SageMaker. Możesz zweryfikować domyślne repozytorium w konsoli R za pomocą options('repos')
. Powinieneś zobaczyć repozytorium wskazujące na Menedżera pakietów RStudio. Jeśli chodzi o domyślny adres URL RStudio Connect, jest on wypełniany automatycznie po opublikowaniu fragmentu zawartości R jednym kliknięciem.
Aktualizowanie repozytorium z Menedżera pakietów RStudio w sesji języka R
Jeśli masz już działające RStudio w SageMaker i chcesz użyć innego repozytorium, możesz skonfigurować swoją sesję R w RStudio w SageMaker, aby korzystała z repozytorium z Menedżera pakietów RStudio, wykonując następujące czynności:
- W sesji R, na Tools menu, wybierz Opcje globalne.
- Dodaj pakiety a następnie wybierz zmiana.
- W Zamówienia Indywidualne wpisz adres URL wybranego repozytorium (znajdującego się na stronie ustawienie karta interfejsu internetowego Menedżera pakietów RStudio) i wybierz OK.
- Dodaj OK jeszcze raz i gotowe!
Teraz pakiety, które instalujemy w RStudio, pochodzą z wybranego repozytorium z serwera Menedżera pakietów RStudio. Możesz to zweryfikować za pomocą options('repos')
lub instalując pakiet i zobacz, skąd się bierze. Aby uzyskać więcej informacji, zobacz Sprawdzanie sukcesu.
Zaktualizuj konto RStudio Connect w sesji języka R
Jeśli masz już działające RStudio na SageMaker i chcesz użyć innego serwera RStudio Connect niż domyślny, wykonaj następujące kroki:
- Na Tools menu, wybierz Opcje globalne.
- Dodaj Wydawniczy.
- Dodaj Skontaktuj się.
- Dodaj RStudio Połącz.
- Wprowadź publiczny adres URL serwera, np.
https://xxxx.rstudioconnect.com
i wybierz Następna.
Pojawi się nowa strona z prośbą o zalogowanie się na konto, jeśli jest to pierwszy raz.
- Dodaj Skontaktuj się kontynuować.
- Dodaj Połącz konto w oknie dialogowym w RStudio.
Powinieneś zobaczyć swój profil użytkownika RStudio Connect i adres URL serwera na liście.
Aby uzyskać więcej informacji, zobacz Połącz swoje konto RStudio, Łączenie: RStudio IDE.
Teraz serwer RStudio Connect został pomyślnie połączony z RStudio na Amazon SageMaker. Jesteśmy gotowi do tworzenia świetnych treści i publikowania.
Twórz treści ML w RStudio na Amazon SageMaker
Możesz łatwo utworzyć analizę w RStudio na Amazon SageMaker i opublikować ją przyciskiem RStudio Connect, aby Twoi współpracownicy mogli wykorzystać Twoją analizę. W tym poście używamy a Zbiór danych dotyczących raka piersi UCI od mlbench
aby zapoznać się z niektórymi typowymi przypadkami użycia publikacji: R Markdown i Shiny app.
R Przecena
R Markdown to doskonałe narzędzie do uruchamiania analiz w R jako część pliku markdown i udostępniania w RStudio Connect. W rsconnect_rmarkdown/breast_cancer_eda.Rmd
, wykonujemy dwie proste analizy i wykreślamy na zbiorze danych wraz z tekstami w przecenach:
Możemy wyświetlić podgląd pliku, wybierając Robić na drutach i opublikuj go w RStudio Connect, wybierając Publikować.
Oprócz R Markdown, najczęściej budujesz interaktywną aplikację lub pulpit nawigacyjny za pomocą Shiny. Przyjrzyjmy się, jak możemy opublikować błyszczące aplikacje z RStudio na Amazon SageMaker do RStudio Connect.
Błyszcząca aplikacja
Błyszczący to pakiet R, który ułatwia programistyczne tworzenie interaktywnych aplikacji internetowych. Wśród analityków danych popularne jest udostępnianie analiz i modeli zainteresowanym stronom za pośrednictwem aplikacji Shiny. W rsconnect_shiny/breast-cancer-app/
, opracowujemy model ML w breast_cancer_modeling.r
i utwórz aplikację internetową, aby umożliwić użytkownikom interakcję z danymi i modelem ML.
Aby opublikować, otwórz app.R
i wybierz Publikować. Wybierz oba app.R
i breast_cancer_modeling.r
opublikować.
W aplikacji możesz zmienić dwie funkcje do wizualizacji na wykresie i wybrać punkty danych na wykresie, aby zobaczyć rzeczywiste dane i modelować prognozy, czy są to łagodne, czy złośliwe przypadki raka. Przesuwając próg prawdopodobieństwa, możesz wchodzić w interakcje z modelem i uzyskiwać różne liczby klasyfikacji. Możesz zobaczyć pulpit nawigacyjny w akcji na poniższym zrzucie ekranu.
Wnioski
W tym poście pokazaliśmy, jak wdrożyć serwery RStudio Connect i RStudio Package Manager w AWS z architekturą opartą na AWS Fargate i Amazon ECS, używając AWS CDK. Dzięki RStudio Connect i RStudio Package Manager działającemu w chmurze pokazaliśmy, jak używać ich z RStudio na Amazon SageMaker. Następnie zademonstrowaliśmy, jak wdrożyć materiały oparte na R, takie jak aplikacje R Markdown i Shiny, w wystąpieniu RStudio Connect w oparciu o przypadek użycia do przewidywania raka piersi.
Posiadanie wystąpienia RStudio Connect w chmurze nie tylko umożliwia skuteczniejszą współpracę zespołom ML i analityki danych, ale także znacznie ułatwia udostępnianie spostrzeżeń ML między interesariuszami i jednostkami biznesowymi. To z kolei promuje stosowanie ML w Twojej organizacji w celu uzyskania lepszych wyników biznesowych. Dzięki Menedżerowi pakietów RStudio możesz szybko i bezpiecznie zarządzać, obsługiwać i instalować pakiety R z zaufanych źródeł, aby zapewnić powtarzalność projektu.
Możesz dowiedzieć się więcej o RStudio w SageMaker z perspektywy analityka danych w poście Zapowiedź w pełni zarządzanego RStudio w Amazon SageMaker dla naukowców zajmujących się danymi. Możesz także dowiedzieć się więcej o tym, jak skonfigurować i administrować RStudio w SageMaker w poście Rozpoczęcie pracy z RStudio w Amazon SageMaker. Aby dowiedzieć się więcej o Amazon SageMaker Studio, pierwszym IDE dla ML w chmurze, zobacz Studio Amazon SageMaker.
O autorach
Michał Hsieh jest Starszym Architektem Rozwiązań Specjalistycznych AI/ML. Współpracuje z klientami, aby rozwijać ich podróż ML dzięki połączeniu ofert Amazon Machine Learning i swojej wiedzy w dziedzinie ML. Jako mieszkaniec Seattle uwielbia odkrywać wspaniałą matkę naturę, jaką ten region ma do zaoferowania, na przykład szlaki turystyczne, spływy kajakowe w scenerii SLU i zachód słońca nad zatoką Shilshole.
Chayan Panda jest architektem infrastruktury chmurowej. Świadczy usługi doradcze i przywództwo myślowe dla klientów AWS w zakresie solidnego projektowania rozwiązań do migracji do chmury, infrastruktury chmurowej (bezpieczeństwo, sieć, DevOps), implementacji platform Greenfield, big data/AI/ML oraz rozwiązań bezserwerowych i bazodanowych. Kiedy nie ma obsesji na punkcie klientów, lubi krótki bieg, muzykę, książkę lub podróże z rodziną.
Farooq Sabir jest Starszym Architektem Rozwiązań Specjalistycznych AI/ML. Pomaga klientom rozwiązywać ich problemy biznesowe z wykorzystaniem data science, uczenia maszynowego i sztucznej inteligencji.
- '
- 000
- 100
- 7
- 9
- dostęp
- Konto
- Działania
- doradczy
- Wszystkie kategorie
- Amazonka
- Amazon EC2
- Uczenie maszynowe Amazon
- Amazon Sage Maker
- wśród
- analiza
- Aplikacja
- Zastosowanie
- aplikacje
- mobilne i webowe
- architektura
- na około
- sztuczna inteligencja
- jutrzenka
- zautomatyzowane
- dostępność
- AWS
- Zatoka
- Czarny
- Bleeding Edge
- Rak piersi
- przeglądarka
- budować
- Budowanie
- biznes
- Kalendarz
- Rak
- Pojemność
- Etui
- świadectwo
- zmiana
- Wykrywanie urządzeń szpiegujących
- klasyfikacja
- Chmura
- infrastruktura chmurowa
- kod
- przyjście
- wspólny
- Komunikacja
- obliczać
- Łączność
- konsumować
- konsumpcja
- Pojemnik
- Pojemniki
- zawartość
- Tworzenie
- Klientów
- tablica rozdzielcza
- dane
- nauka danych
- Baza danych
- Bazy danych
- Wnętrze
- rozwijać
- deweloperzy
- oprogramowania
- DevOps
- dns
- Doker
- Ekosystem
- krawędź
- Inżynierowie
- Enterprise
- Środowisko
- członków Twojej rodziny
- Korzyści
- finansować
- i terminów, a
- pierwszy raz
- obserwuj
- Zamrażać
- gif
- git
- GitHub
- wspaniały
- opieki zdrowotnej
- Wysoki
- turystyka
- przytrzymaj
- Hosting
- W jaki sposób
- How To
- HTTPS
- ICS
- przemysłowa
- Informacja
- Infrastruktura
- spostrzeżenia
- Inteligencja
- interaktywne
- Internet
- izolacja
- problemy
- IT
- Klawisz
- wiedza
- język
- firmy
- uruchomić
- Przywództwo
- UCZYĆ SIĘ
- nauka
- Life Sciences
- LINK
- Lista
- załadować
- miejscowy
- uczenie maszynowe
- i konserwacjami
- materiały
- ML
- model
- mama
- ruch
- Muzyka
- sieć
- oferta
- Oferty
- koncepcja
- Option
- organizacja
- organizacji
- perspektywa
- Platforma
- Popularny
- przepowiednia
- Przewidywania
- Podgląd
- prywatny
- Profil
- profile
- projekt
- publiczny
- publikować
- ciągnięcie
- Python
- Ilościowo
- wymagania
- Zasoby
- REST
- przeglądu
- Trasa
- run
- bieganie
- sagemaker
- skalowaniem
- skanować
- nauka
- NAUKI
- Naukowcy
- Seattle
- bezpieczeństwo
- wybrany
- Bezserwerowe
- Usługi
- służąc
- zestaw
- Share
- Short
- Prosty
- Migawka
- So
- Rozwiązania
- ROZWIĄZANIA
- rozpoczęty
- pobyt
- sklep
- sklep
- Zachód słońca
- wsparcie
- podpory
- Powierzchnia
- system
- Technologia
- Źródło
- myśl przywództwo
- czas
- Top
- ruch drogowy
- tranzyt
- podróżować
- Nowości
- Użytkownicy
- Zobacz i wysłuchaj
- wrażliwość
- sieć
- Aplikacje internetowe
- przeglądarka internetowa
- KIM
- w ciągu
- Praca
- workflow
- działa