Генеративные решения искусственного интеллекта имеют потенциал для преобразования бизнеса за счет повышения производительности и улучшения качества обслуживания клиентов, а использование больших языковых моделей (LLM) с этими решениями становится все более популярным. Разработка доказательства концепции относительно проста, поскольку передовые модели фундамента доступны у специализированных поставщиков посредством простого вызова API. Поэтому организации разных размеров и разных отраслей начали переосмысливать свои продукты и процессы с использованием генеративного ИИ.
Несмотря на богатство общих знаний, современные специалисты LLM имеют доступ только к той информации, которой они обучались. Это может привести к фактическим неточностям (галлюцинациям), когда LLM предлагается сгенерировать текст на основе информации, которую он не видел во время обучения. Поэтому крайне важно устранить разрыв между общими знаниями LLM и вашими собственными данными, чтобы помочь модели генерировать более точные и контекстуальные ответы, одновременно снижая риск галлюцинаций. Традиционный метод тонкой настройки, хотя и эффективен, может быть трудоемким, дорогим и требует технических знаний. Еще один вариант, который стоит рассмотреть, называется Поисковая дополненная генерация (RAG), который предоставляет LLM дополнительную информацию из внешнего источника знаний, которую можно легко обновлять.
Кроме того, предприятия должны обеспечивать безопасность данных при работе с конфиденциальными и конфиденциальными данными, такими как персональные данные или интеллектуальная собственность. Это особенно важно для организаций, работающих в жестко регулируемых отраслях, таких как финансовые услуги, здравоохранение и науки о жизни. Поэтому важно понимать и контролировать поток ваших данных через приложение генеративного ИИ: где находится модель? Где обрабатываются данные? Кто имеет доступ к данным? Будут ли данные использоваться для обучения моделей, что в конечном итоге приведет к риску утечки конфиденциальных данных в публичные LLM?
В этом посте обсуждается, как предприятия могут создавать точные, прозрачные и безопасные приложения генеративного ИИ, сохраняя при этом полный контроль над частными данными. Предлагаемое решение представляет собой конвейер RAG, использующий стек технологий искусственного интеллекта, компоненты которого разрабатываются с нуля с использованием ИИ в своей основе, а не с добавлением возможностей ИИ в последнюю очередь. Мы демонстрируем, как создать комплексное приложение RAG, используя Языковые модели Cohere через Коренная порода Амазонки и еще один База данных векторов Weaviate на AWS Marketplace. Сопроводительный исходный код доступен в папке связанный репозиторий GitHub организованный Weaviate. Хотя AWS не будет нести ответственность за поддержание или обновление кода в партнерском репозитории, мы рекомендуем клиентам напрямую связываться с Weaviate по поводу любых желаемых обновлений.
Обзор решения
Следующая схема архитектуры высокого уровня иллюстрирует предлагаемый конвейер RAG со стеком собственных технологий искусственного интеллекта для создания точных, прозрачных и безопасных генеративных решений искусственного интеллекта.
На этапе подготовки к рабочему процессу RAG векторная база данных, которая служит внешним источником знаний, принимается вместе с дополнительным контекстом из собственных данных. Фактический рабочий процесс RAG состоит из четырех шагов, показанных на схеме:
- Пользователь вводит свой запрос.
- Пользовательский запрос используется для получения соответствующего дополнительного контекста из базы данных векторов. Это делается путем создания векторных представлений пользовательского запроса с помощью модели внедрения для выполнения векторного поиска для извлечения наиболее релевантного контекста из базы данных.
- Полученный контекст и пользовательский запрос используются для дополнения шаблона приглашения. Подсказка с расширенным поиском помогает LLM генерировать более актуальное и точное завершение, сводя к минимуму галлюцинации.
- Пользователь получает более точный ответ на основе своего запроса.
Стек собственных технологий искусственного интеллекта, показанный на диаграмме архитектуры, состоит из двух ключевых компонентов: языковых моделей Cohere и векторной базы данных Weaviate.
Согласование языковых моделей в Amazon Bedrock
Ассоциация Когерная платформа предоставляет предприятиям и разработчикам языковые модели с высочайшей производительностью посредством простого вызова API. Платформа Cohere предоставляет два ключевых типа возможностей языковой обработки — генеративные и встроенные — и каждый из них обслуживается своим типом модели:
- Генерация текста Command – Разработчики могут получить доступ к конечным точкам, которые обеспечивают возможности генерации искусственного интеллекта, позволяя использовать такие приложения, как диалог, ответы на вопросы, копирайтинг, обобщение, извлечение информации и многое другое.
- Текстовое представление встраивать – Разработчики могут получить доступ к конечным точкам, которые фиксируют семантическое значение текста, что позволяет использовать такие приложения, как системы векторного поиска, классификацию и кластеризацию текста и многое другое. Cohere Embed существует в двух формах: англоязычной модели и многоязычной модели. теперь доступно на Amazon Bedrock.
Платформа Cohere позволяет предприятиям конфиденциально и безопасно настраивать свои генеративные решения искусственного интеллекта посредством развертывания Amazon Bedrock. Amazon Bedrock — это полностью управляемый облачный сервис, который позволяет командам разработчиков быстро создавать и масштабировать генеративные приложения искусственного интеллекта. помогая обеспечить безопасность и конфиденциальность ваших данных и приложений. Ваши данные не используются для улучшения обслуживания, никогда не передаются сторонним поставщикам моделей и остаются в тайне. Регион где обрабатывается вызов API. Данные всегда шифруются при передаче и хранении, и вы можете зашифровать данные, используя свои собственные ключи. Amazon Bedrock поддерживает требования безопасности, включая соответствие требованиям Закона США о переносимости и подотчетности медицинского страхования (HIPAA) и требованиям Общего регламента защиты данных (GDPR). Кроме того, вы можете безопасно интегрировать и легко развертывать свои генеративные приложения ИИ, используя уже знакомые вам инструменты AWS.
База данных векторов Weaviate на AWS Marketplace
Ткать есть AI-родной вектор базы данных это позволяет командам разработчиков легко создавать безопасные и прозрачные генеративные приложения искусственного интеллекта. Weaviate используется для хранения и поиска как векторных данных, так и исходных объектов, что упрощает разработку, устраняя необходимость размещения и интеграции отдельных баз данных. Weaviate обеспечивает производительность семантического поиска менее секунды и может масштабироваться для обработки миллиардов векторов и миллионов клиентов. Благодаря уникальной расширяемой архитектуре Weaviate естественным образом интегрируется с базовыми моделями Cohere, развернутыми в Amazon Bedrock, что упрощает векторизацию данных и использование генеративных возможностей из базы данных.
База данных векторов Weaviate на основе искусственного интеллекта дает клиентам возможность развертывать ее как решение «принеси свое облако» (BYOC) или как управляемую услугу. В этой витрине используется Кластер Weaviate Kubernetes на AWS Marketplace, часть предложения Weaviate BYOC, которое позволяет масштабировать развертывание на основе контейнеров внутри вашего клиента AWS и VPC всего за несколько кликов с помощью AWS CloudFormation шаблон. Такой подход гарантирует, что ваша база данных векторов будет развернута в вашем конкретном регионе рядом с базовыми моделями и собственными данными, чтобы минимизировать задержку, поддерживать локальность данных и защищать конфиденциальные данные, одновременно соблюдая потенциальные нормативные требования, такие как GDPR.
Обзор вариантов использования
В следующих разделах мы покажем, как создать решение RAG с использованием стека технологий искусственного интеллекта с помощью Cohere, AWS и Weaviate, как показано в обзоре решения.
В примере варианта использования создаются таргетированные рекламные объявления для списков мест отдыха на основе целевой аудитории. Цель состоит в том, чтобы использовать пользовательский запрос для целевой аудитории (например, «семья с маленькими детьми») для получения наиболее релевантного списка мест для отдыха (например, список с игровыми площадками поблизости), а затем создать рекламу для полученный список, адаптированный к целевой аудитории.
Набор данных доступен по адресу Внутри Airbnb и имеет лицензию под Creative Commons Attribution 4.0 Международная лицензия. Вы можете найти сопроводительный код в Репозиторий GitHub.
Предпосылки
Чтобы следовать инструкциям в следующем руководстве и использовать любые сервисы AWS, убедитесь, что у вас есть Аккаунт AWS.
Включите компоненты стека технологий искусственного интеллекта
Во-первых, вам необходимо включить соответствующие компоненты, описанные в обзоре решения, в вашей учетной записи AWS. Выполните следующие шаги:
- Слева Консоль Amazon Bedrock, выберите Доступ к модели в навигационной панели.
- Выберите Управление доступом к модели в правом верхнем углу.
- Выберите модели фундамента по вашему выбору и запросите доступ.
Далее вы настраиваете кластер Weaviate.
- Подпишитесь на Кластер Weaviate Kubernetes на AWS Marketplace.
- Запустите программное обеспечение с помощью Шаблон CloudFormation в соответствии с предпочитаемой вами зоной доступности..
Шаблон CloudFormation предварительно заполнен значениями по умолчанию.
- Что касается Название стекавведите имя стека.
- Что касается тип хелаутентификации, рекомендуется включить аутентификацию, установив
helmauthenticationtype
вapikey
и определение ХелмаутентификацияАпикей. - Что касается ХелмаутентификацияАпикей, введите свой ключ API Weaviate.
- Что касается версия рулевой карты, введите номер вашей версии. Это должна быть версия не ниже 16.8.0. Обратитесь к Репо GitHub для последней версии.
- Что касается Helmenabledмодули, убедиться
tex2vec-aws
иgenerative-aws
присутствуют в списке включенных модулей Weaviate.
Создание этого шаблона занимает около 30 минут.
Подключиться к Weaviate
Для подключения к Weaviate выполните следующие шаги:
- В Консоль Amazon SageMaker, перейдите в Экземпляры ноутбуков в панели навигации через ноутбук > Экземпляры ноутбуков слево.
- Создайте новый экземпляр блокнота.
- Установите клиентский пакет Weaviate с необходимыми зависимостями:
- Подключитесь к своему экземпляру Weaviate с помощью следующего кода:
- Создать URL-адрес – Доступ к Weaviate через URL-адрес балансировщика нагрузки. в Эластичное вычислительное облако Amazon (Amazon EC2), выберите Балансировщики нагрузки в панели навигации и найдите балансировщик нагрузки. Найдите столбец DNS-имени и добавьте
http://
перед ней. - API-ключ Weaviate – Это ключ, который вы установили ранее в шаблоне CloudFormation (
helmauthenticationapikey
). - Ключ доступа к AWS и секретный ключ доступа – Вы можете получить ключ доступа и секретный ключ доступа для своего пользователя в Управление идентификацией и доступом AWS (IAM) консоль.
Настройте модуль Amazon Bedrock для включения моделей Cohere.
Далее вы определяете набор данных (class
) называется Listings
для хранения объектов данных списков, что аналогично созданию таблицы в реляционной базе данных. На этом этапе вы настраиваете соответствующие модули, чтобы обеспечить возможность использования языковых моделей Cohere, размещенных на Amazon Bedrock, непосредственно из векторной базы данных Weaviate. Векторизатор («text2vec-aws
“) и генеративный модуль (“generative-aws
«) указаны в определении сбора данных. Оба этих модуля принимают три параметра:
- "служба" - Использовать "
bedrock
” для Amazon Bedrock (альтернативно используйте “sagemaker
" для Amazon SageMaker JumpStart) - "Область" – Введите регион, в котором развернута ваша модель.
- «Модель» – Укажите название модели фундамента.
Смотрите следующий код:
Загрузка данных в векторную базу данных Weaviate.
На этом этапе вы определяете структуру сбора данных, настраивая его свойства. Помимо имени свойства и типа данных, вы также можете настроить, будет ли храниться только объект данных или он будет храниться вместе с его векторными внедрениями. В этом примере host_name
и property_type
не векторизованы:
Запустите следующий код, чтобы создать коллекцию в вашем экземпляре Weaviate:
Теперь вы можете добавлять объекты в Weaviate. Для максимальной эффективности вы используете процесс пакетного импорта. Запустите следующий код, чтобы импортировать данные. Во время импорта Weaviate будет использовать определенный векторизатор для создания векторного внедрения для каждого объекта. Следующий код загружает объекты, инициализирует пакетный процесс и добавляет объекты в целевую коллекцию один за другим:
Извлечение дополненной генерации
Вы можете построить конвейер RAG, реализовав генеративный поисковый запрос в своем экземпляре Weaviate. Для этого вы сначала определяете шаблон приглашения в виде f-строки, которая может принимать пользовательский запрос ({target_audience}
) напрямую и дополнительный контекст ({{host_name}}
, {{property_type}}
, {{description}}
и {{neighborhood_overview}}
) из базы данных векторов во время выполнения:
Далее вы запускаете генеративный поисковый запрос. Это запрашивает определенную генеративную модель с помощью запроса, состоящего из пользовательского запроса, а также полученных данных. Следующий запрос извлекает один объект листинга (.with_limit(1)
) С Listings
коллекция, наиболее похожая на пользовательский запрос (.with_near_text({"concepts": target_audience})
). Затем пользовательский запрос (target_audience
) и свойства полученных списков (["description", "neighborhood", "host_name", "property_type"]
) вводятся в шаблон приглашения. См. следующий код:
В следующем примере вы можете видеть, что предыдущий фрагмент кода для target_audience = “Family with small children”
получает объявление от хоста Marre. Шаблон приглашения дополнен информацией о листинге Marre и целевой аудитории:
На основе подсказки с расширенным поиском модель Cohere Command генерирует следующую целевую рекламу:
Альтернативные настройки
Вы можете выполнить альтернативные настройки различных компонентов предлагаемого решения, например следующие:
- Языковые модели Cohere также доступны через Amazon SageMaker JumpStart, который обеспечивает доступ к передовым базовым моделям и позволяет разработчикам развертывать LLM для Создатель мудреца Амазонки, полностью управляемый сервис, объединяющий широкий набор инструментов для обеспечения высокопроизводительного и недорогого машинного обучения для любого сценария использования. Weaviate также интегрирован с SageMaker.
- Мощным дополнением к этому решению является Конечная точка Cohere Rerank, доступный через SageMaker JumpStart. Изменение ранга может повысить релевантность результатов лексического или семантического поиска. Функция Rerank работает путем вычисления оценок семантической релевантности документов, полученных поисковой системой, и ранжирования документов на основе этих оценок. Для добавления Rerank в приложение требуется всего лишь изменение одной строки кода.
- Чтобы удовлетворить различные требования к развертыванию в разных производственных средах, Weaviate можно развертывать различными дополнительными способами. Например, он доступен для прямой загрузки с сайта Веб-сайт Weaviate, который работает на Амазон Эластик Кубернетес Сервис (Amazon EKS) или локально через Docker or Kubernetes. Он также доступен как управляемый сервис который может безопасно работать в VPC или в качестве общедоступного облачного сервиса, размещенного на AWS, с 14-дневной бесплатной пробной версией.
- Вы можете обслуживать свое решение в VPC, используя Виртуальное частное облако Amazon (Amazon VPC), который позволяет организациям запускать сервисы AWS в логически изолированной виртуальной сети, напоминающей традиционную сеть, но с преимуществами масштабируемой инфраструктуры AWS. В зависимости от классифицированного уровня конфиденциальности данных организации также могут отключить доступ в Интернет в этих VPC.
Убирать
Чтобы предотвратить непредвиденные расходы, удалите все ресурсы, которые вы развернули в рамках этого поста. Если вы запустили стек CloudFormation, его можно удалить через консоль AWS CloudFormation. Обратите внимание, что могут существовать некоторые ресурсы AWS, например Магазин эластичных блоков Amazon (Amazon EBS) и Служба управления ключами AWS (AWS KMS), которые не могут быть удалены автоматически при удалении стека CloudFormation.
Заключение
В этом посте обсуждалось, как предприятия могут создавать точные, прозрачные и безопасные приложения генеративного ИИ, сохраняя при этом полный контроль над своими данными. Предлагаемое решение представляет собой конвейер RAG, использующий собственный стек технологий искусственного интеллекта в виде комбинации базовых моделей Cohere в Amazon Bedrock и векторной базы данных Weaviate на AWS Marketplace. Подход RAG позволяет предприятиям преодолеть разрыв между общими знаниями LLM и собственными данными, сводя при этом к минимуму галлюцинации. Стек технологий на основе искусственного интеллекта обеспечивает быструю разработку и масштабируемую производительность.
Вы можете начать экспериментировать с доказательствами концепции RAG для своих корпоративных приложений генеративного ИИ, выполнив действия, описанные в этом посте. Сопроводительный исходный код доступен в папке связанный репозиторий GitHub. Спасибо за чтение. Не стесняйтесь оставлять комментарии или отзывы в разделе комментариев.
Об авторах
Джеймс Йи — старший архитектор партнерских решений AI/ML в команде технологических партнеров COE Tech в Amazon Web Services. Он с энтузиазмом работает с корпоративными клиентами и партнерами над проектированием, развертыванием и масштабированием приложений AI/ML для получения прибыли для бизнеса. Вне работы он любит играть в футбол, путешествовать и проводить время с семьей.
Леони Монигатти является адвокатом разработчиков в Weaviate. Ее сфера деятельности — искусственный интеллект и машинное обучение, и она помогает разработчикам узнать о генеративном искусственном интеллекте. Помимо работы, она также делится своими знаниями в области науки о данных и машинного обучения в своем блоге и на Kaggle.
Меор Амер является адвокатом разработчиков в компании Cohere, поставщике передовых технологий обработки естественного языка (NLP). Он помогает разработчикам создавать передовые приложения с помощью больших языковых моделей Cohere (LLM).
Шунь Мао — старший архитектор партнерских решений AI/ML в команде новых технологий Amazon Web Services. Он с энтузиазмом работает с корпоративными клиентами и партнерами над проектированием, развертыванием и масштабированием приложений искусственного интеллекта и машинного обучения для извлечения выгоды из их бизнеса. Вне работы он любит ловить рыбу, путешествовать и играть в пинг-понг.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/build-enterprise-ready-generative-ai-solutions-with-cohere-foundation-models-in-amazon-bedrock-and-weaviate-vector-database-on-aws-marketplace/
- :имеет
- :является
- :нет
- :куда
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 16
- 17
- 19
- 23
- 30
- 32
- 33
- 7
- 8
- 9
- a
- О нас
- доступ
- управление доступом
- По
- Учетная запись
- отчетность
- точный
- через
- Действие (Act):
- фактического соединения
- Добавить
- добавленный
- добавить
- дополнение
- дополнительный
- Дополнительная информация
- Дополнительно
- адресация
- Добавляет
- взрослых
- Реклама
- адвокат
- AI
- AI / ML
- Airbnb
- Все
- позволяет
- вдоль
- уже
- причислены
- альтернатива
- Несмотря на то, что
- всегда
- Amazon
- Amazon EC2
- Создатель мудреца Амазонки
- Amazon Web Services
- Амстердам
- an
- и
- Другой
- ответ
- любой
- API
- Применение
- Приложения
- подхода
- архитектура
- МЫ
- ПЛОЩАДЬ
- области
- AS
- в сторону
- At
- достопримечательности
- аудитория
- увеличивать
- дополненная
- Аутентификация
- автоматически
- свободных мест
- доступен
- прочь
- AWS
- AWS CloudFormation
- Управление идентификацией и доступом AWS (IAM)
- Торговая площадка AWS
- стабилизатор
- бары
- основанный
- BE
- , так как:
- становиться
- начал
- Преимущества
- ЛУЧШЕЕ
- между
- миллиарды
- Заблокировать
- Блог
- стимулирование
- изоферменты печени
- МОСТ
- Приносит
- широкий
- строить
- Строительство
- бизнес
- бизнес
- но
- by
- кафе
- призывают
- под названием
- CAN
- возможности
- захватить
- случаев
- обслуживать
- центральный
- центр
- изменение
- расходы
- Дети
- выбор
- Выберите
- Город
- класс
- классификация
- классифицированный
- клиент
- Закрыть
- облако
- Кластер
- кластеризации
- код
- лыжных шлемов
- Column
- сочетание
- как
- выходит
- Комментарии
- Commons
- полный
- завершение
- Соответствие закону
- компоненты
- Состоит
- Вычисление
- вычисление
- сама концепция
- понятия
- настройка
- Свяжитесь
- Рассматривать
- Консоли
- контекст
- контекстной
- контроль
- Удобно
- удобно
- диалоговый
- Копирайтинг
- Основные
- Создайте
- Создающий
- решающее значение
- клиент
- Клиенты
- настроить
- передовой
- данным
- защита данных
- наука о данных
- безопасность данных
- База данных
- базы данных
- По умолчанию
- определять
- определенный
- определяющий
- определение
- обеспечивает
- демонстрировать
- Зависимости
- в зависимости
- развертывание
- развернуть
- развертывание
- выводить
- описание
- Проект
- предназначенный
- желанный
- подробнее
- Застройщик
- застройщиков
- Развитие
- команды разработчиков
- различный
- обеденный
- направлять
- непосредственно
- обсуждается
- DNS
- Документация
- сделанный
- скачать
- в течение
- каждый
- Ранее
- легко
- EBS
- Эффективный
- затрат
- возвышенный
- приемлемость
- уничтожение
- вставлять
- вложения
- появление
- новые технологии
- Наделяет
- включить
- включен
- позволяет
- позволяет
- поощрять
- зашифрованный
- впритык
- конечные точки
- Двигатели
- Английский
- обеспечивать
- обеспечивает
- Enter
- Предприятие
- корпоративные клиенты
- предприятий
- Вводит
- Весь
- средах
- Эфир (ETH)
- со временем
- пример
- дорогим
- опыт
- Впечатления
- опыта
- и, что лучший способ
- добыча
- содействовал
- Фактический
- знакомый
- семья
- БЫСТРО
- Особенности
- Показывая
- ФРС
- Обратная связь
- чувствовать
- несколько
- Файл
- финансовый
- финансовые услуги
- Найдите
- First
- Рыбалка
- Трансформируемость
- Этаж
- поток
- Фокус
- следовать
- после
- следующим образом
- Что касается
- форма
- формы
- Год основания
- 4
- Бесплатно
- бесплатная пробная версия
- от
- передний
- полный
- полностью
- далее
- разрыв
- GDPR
- Общие
- Общие данные
- Положение о защите данных Общие
- порождать
- генерирует
- порождающий
- поколение
- генеративный
- Генеративный ИИ
- генеративная модель
- GitHub
- дает
- цель
- земля
- группы
- Половина
- обрабатывать
- Управляемость
- Есть
- имеющий
- he
- Заголовок
- Медицина
- медицинское страхование
- здравоохранение
- Сердце
- сильно
- помощь
- помощь
- помогает
- ее
- на высшем уровне
- высокая производительность
- его
- Главная
- кашель
- состоялся
- Как
- How To
- HTTP
- HTTPS
- IAM
- Личность
- управление идентификацией и доступом
- Управление идентификацией и доступом (IAM)
- if
- иллюстрирует
- Осуществляющий
- Импортировать
- важную
- улучшать
- улучшение
- улучшение
- in
- В том числе
- все больше и больше
- промышленности
- информация
- извлечение информации
- Инфраструктура
- внутри
- устанавливать
- пример
- страхование
- интегрировать
- интегрированный
- Интегрируется
- интеллектуальный
- интеллектуальная собственность
- Мультиязычность
- Интернет
- доступ в Интернет
- в
- изолированный
- IT
- ЕГО
- JPG
- всего
- Сохранить
- хранение
- Основные
- ключи
- Дети
- знания
- Kubernetes
- язык
- большой
- Задержка
- последний
- запуск
- запустили
- вести
- Лиды
- утечка
- УЧИТЬСЯ
- изучение
- наименее
- оставил
- уровень
- Лицензирована
- ЖИЗНЬЮ
- Медико-биологическая промышленность
- линия
- Список
- листинг
- Объявления
- жизнью
- загрузка
- грузы
- локальным
- в местном масштабе
- расположенный
- расположение
- посмотреть
- искать
- бюджетный
- машина
- обучение с помощью машины
- сохранение
- сделать
- ДЕЛАЕТ
- управлять
- управляемого
- управление
- рынка
- мастер
- максимальный
- Май..
- смысл
- означает
- памяти
- метод
- миллионы
- минимизировать
- минимизация
- минут
- ML
- модель
- Модели
- модуль
- Модули
- БОЛЕЕ
- самых
- должен
- имя
- изначально
- натуральный
- Естественный язык
- Обработка естественного языка
- Откройте
- Навигация
- Необходимость
- сеть
- никогда
- Новые
- НЛП
- нет
- в своих размышлениях
- ноутбук
- сейчас
- номер
- объект
- объекты
- of
- предлагают
- предлагающий
- on
- ONE
- только
- операционный
- Опция
- or
- организации
- Другое
- наши
- изложенные
- внешнюю
- за
- обзор
- собственный
- пакет
- выплачен
- панд
- хлеб
- параметры
- parking
- часть
- особенно
- партнер
- партнеры
- страстный
- ИДЕАЛЬНОЕ
- выполнять
- производительность
- личного
- личные данные
- кусок
- трубопровод
- Часть
- Платформа
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- игры
- Популярное
- портативность
- После
- потенциал
- мощностью
- мощный
- предшествующий
- привилегированный
- подготовка
- представить
- предотвращать
- частная
- процесс
- обрабатываемых
- Процессы
- обработка
- Производство
- производительность
- Продукция
- наводящие
- доказательства
- свойства
- собственность
- предложило
- ( изучите наши патенты),
- для защиты
- защиту
- обеспечивать
- Недвижимости
- поставщики
- приводит
- что такое варган?
- Открытое облако
- вопрос
- быстро
- тряпка
- Ранжирование
- скорее
- RE
- Читать
- Reading
- получает
- Управление по борьбе с наркотиками (DEA)
- снижение
- относиться
- по
- область
- регулируемых брокеров
- регулируемые отрасли
- "Регулирование"
- регуляторы
- относительно
- актуальность
- соответствующие
- остатки
- хранилище
- запросить
- обязательный
- Требования
- требуется
- похожий
- Полезные ресурсы
- ответ
- ответы
- ответственный
- ОТДЫХ
- ресторан
- результат
- Итоги
- правую
- Снижение
- рисковать
- Комната
- РЯД
- Run
- работает
- s
- sagemaker
- масштабируемые
- Шкала
- Наука
- НАУКА
- множество
- Поиск
- Поисковые системы
- Secret
- Раздел
- разделах
- безопасный
- безопасно
- безопасность
- посмотреть
- семантический
- старший
- чувствительный
- чувствительность
- отдельный
- служить
- служил
- служит
- обслуживание
- Услуги
- набор
- установка
- общие
- Акции
- она
- Короткое
- демонстрации
- аналогичный
- просто
- упрощает
- одинарной
- Размеры
- небольшой
- Футбольный
- Software
- Решение
- Решения
- некоторые
- Источник
- исходный код
- Space
- специализированный
- конкретный
- указанный
- Расходы
- стек
- Начало
- современное состояние
- оставаться
- Шаг
- Шаги
- По-прежнему
- магазин
- хранить
- простой
- Структура
- такие
- подходящее
- поддержка
- Поддержка
- Убедитесь
- система
- ТАБЛИЦЫ
- с учетом
- взять
- принимает
- цель
- целевое
- команда
- команды
- технологии
- Технический
- технологии
- Технологии
- шаблон
- арендатор
- текст
- Классификация текста
- чем
- спасибо
- который
- Ассоциация
- информация
- их
- тогда
- Там.
- следовательно
- Эти
- они
- сторонние
- этой
- три
- Через
- время
- в
- вместе
- инструменты
- топ
- традиционный
- Train
- специалистов
- Обучение
- Transform
- транзит
- прозрачный
- Путешествие
- суд
- учебник
- два
- напишите
- Типы
- нам
- под
- понимать
- Неожиданный
- незабвенный
- общественного.
- обновление
- Updates
- обновление
- вверх по лестнице
- URL
- Применение
- использование
- прецедент
- используемый
- Информация о пользователе
- использования
- через
- отпуск
- ценностное
- Наши ценности
- различный
- Ve
- версия
- с помощью
- Виртуальный
- тома
- от
- Путь..
- способы
- we
- Богатство
- Web
- веб-сервисы
- добро пожаловать
- ЧТО Ж
- были
- когда
- который
- в то время как
- КТО
- чья
- будете
- в
- Работа
- рабочий
- работает
- работает
- записывать
- являетесь
- ВАШЕ
- зефирнет