ในยุคแห่งข้อมูลขนาดใหญ่นี้ องค์กรต่างๆ ทั่วโลกต่างค้นหาวิธีการใหม่ๆ อย่างต่อเนื่องเพื่อดึงคุณค่าและข้อมูลเชิงลึกจากชุดข้อมูลอันกว้างใหญ่ของตน Apache Spark มอบความสามารถในการปรับขนาดและความเร็วที่จำเป็นในการประมวลผลข้อมูลจำนวนมากอย่างมีประสิทธิภาพ
อเมซอน EMR คือโซลูชัน Big Data บนคลาวด์ชั้นนำของอุตสาหกรรมสำหรับการประมวลผลข้อมูลระดับเพตะไบต์ การวิเคราะห์เชิงโต้ตอบ และการเรียนรู้ของเครื่อง (ML) โดยใช้เฟรมเวิร์กโอเพ่นซอร์ส เช่น Apache Spark อาปาเช่ไฮฟ์และ โอมเพี้ยง. Amazon EMR คือที่ที่ดีที่สุดในการรัน Apache Spark คุณสามารถสร้างคลัสเตอร์ Spark ที่ได้รับการจัดการได้อย่างรวดเร็วและง่ายดายจาก คอนโซลการจัดการ AWS, อินเทอร์เฟซบรรทัดคำสั่ง AWS AWS (AWS CLI) หรือ Amazon EMR API คุณยังสามารถใช้คุณสมบัติ Amazon EMR เพิ่มเติมได้ รวมถึงความรวดเร็วด้วย บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) การเชื่อมต่อโดยใช้ Amazon EMR File System (EMRFS) การรวมเข้ากับ สปอต Amazon EC2 ตลาดและ AWS กาว Data Catalog และ EMR Managed Scaling เพื่อเพิ่มหรือลบอินสแตนซ์ออกจากคลัสเตอร์ของคุณ อเมซอน EMR สตูดิโอ คือสภาพแวดล้อมการพัฒนาแบบผสมผสาน (IDE) ที่ทำให้นักวิทยาศาสตร์ข้อมูลและวิศวกรข้อมูลสามารถพัฒนา แสดงภาพ และแก้ไขข้อบกพร่องของวิศวกรรมข้อมูลและแอปพลิเคชันวิทยาศาสตร์ข้อมูลที่เขียนด้วย R, Python, Scala และ PySpark ได้อย่างง่ายดาย EMR Studio มอบสมุดบันทึก Jupyter ที่มีการจัดการเต็มรูปแบบ และเครื่องมือต่างๆ เช่น Spark UI และ YARN Timeline Service เพื่อทำให้การแก้ไขจุดบกพร่องง่ายขึ้น
เพื่อปลดล็อกศักยภาพที่ซ่อนอยู่ภายในขุมข้อมูล จำเป็นอย่างยิ่งที่จะต้องก้าวไปไกลกว่าการวิเคราะห์แบบเดิมๆ เข้าสู่ generative AI ซึ่งเป็นเทคโนโลยีล้ำสมัยที่ผสมผสาน ML เข้ากับความคิดสร้างสรรค์เพื่อสร้างข้อความ ศิลปะ และแม้แต่โค้ดที่เหมือนมนุษย์ อเมซอน เบดร็อค เป็นวิธีที่ตรงไปตรงมาที่สุดในการสร้างและปรับขนาดแอปพลิเคชัน AI เชิงสร้างสรรค์ด้วยโมเดลพื้นฐาน (FM) Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งทำให้ FM จาก Amazon และบริษัท AI ชั้นนำพร้อมใช้งานผ่าน API ดังนั้นคุณจึงสามารถทดลองกับ FM ที่หลากหลายใน Playground ได้อย่างรวดเร็ว และใช้ API เดียวสำหรับการอนุมานโดยไม่คำนึงถึงโมเดลที่คุณเลือก โดยให้ คุณมีความยืดหยุ่นในการใช้ FM จากผู้ให้บริการที่แตกต่างกัน และติดตามเวอร์ชันล่าสุดโดยมีการเปลี่ยนแปลงรหัสน้อยที่สุด
ในโพสต์นี้ เราจะสำรวจวิธีที่คุณสามารถเพิ่มประสิทธิภาพการวิเคราะห์ข้อมูลของคุณด้วย AI เชิงสร้างสรรค์โดยใช้ Amazon EMR, Amazon Bedrock และ pyspark-ai ห้องสมุด. ไลบรารี pyspark-ai เป็น SDK ภาษาอังกฤษสำหรับ Apache Spark ใช้คำสั่งเป็นภาษาอังกฤษและคอมไพล์เป็นออบเจ็กต์ PySpark เช่น DataFrames สิ่งนี้ทำให้ทำงานร่วมกับ Spark ได้อย่างง่ายดาย ช่วยให้คุณมุ่งเน้นไปที่การแยกคุณค่าจากข้อมูลของคุณ
ภาพรวมโซลูชัน
แผนภาพต่อไปนี้แสดงสถาปัตยกรรมสำหรับการใช้ Generative AI กับ Amazon EMR และ Amazon Bedrock
EMR Studio เป็น IDE บนเว็บสำหรับโน้ตบุ๊ก Jupyter ที่มีการจัดการเต็มรูปแบบซึ่งทำงานบนคลัสเตอร์ EMR เราโต้ตอบกับ EMR Studio Workspaces ที่เชื่อมต่อกับคลัสเตอร์ EMR ที่กำลังรันอยู่ และรันสมุดบันทึกที่ให้ไว้โดยเป็นส่วนหนึ่งของโพสต์นี้ เราใช้ นิวยอร์กซิตี้แท็กซี่ ข้อมูลเพื่อรวบรวมข้อมูลเชิงลึกเกี่ยวกับการนั่งแท็กซี่ต่างๆ ที่ผู้ใช้ดำเนินการ เราถามคำถามเป็นภาษาธรรมชาตินอกเหนือจากข้อมูลที่โหลดใน Spark DataFrame จากนั้นไลบรารี pyspark-ai จะใช้ Amazon Titan Text FM จาก Amazon Bedrock เพื่อสร้างการสืบค้น SQL ตามคำถามภาษาธรรมชาติ ไลบรารี pyspark-ai รับการสืบค้น SQL รันโดยใช้ Spark SQL และส่งคืนผลลัพธ์ให้กับผู้ใช้
ในโซลูชันนี้ คุณสามารถสร้างและกำหนดค่าทรัพยากรที่จำเป็นในบัญชี AWS ของคุณด้วย การก่อตัวของ AWS Cloud แม่แบบ เทมเพลตจะสร้าง AWS กาว ฐานข้อมูลและตาราง, บัคเก็ต S3, VPC และอื่นๆ AWS Identity และการจัดการการเข้าถึง ทรัพยากร (IAM) ที่ใช้ในโซลูชัน
เทมเพลตนี้ออกแบบมาเพื่อสาธิตวิธีใช้ EMR Studio กับแพ็คเกจ pyspark-ai และ Amazon Bedrock และไม่ได้มีไว้สำหรับการใช้งานจริงโดยไม่มีการแก้ไข นอกจากนี้ เทมเพลตยังใช้นามสกุล us-east-1
ภูมิภาคและอาจไม่ทำงานในภูมิภาคอื่นโดยไม่มีการแก้ไข เทมเพลตจะสร้างทรัพยากรที่มีค่าใช้จ่ายขณะใช้งาน ทำตามขั้นตอนการล้างข้อมูลในตอนท้ายของโพสต์นี้เพื่อลบทรัพยากรและหลีกเลี่ยงค่าใช้จ่ายที่ไม่จำเป็น
เบื้องต้น
ก่อนที่คุณจะเปิดใช้สแตก CloudFormation ตรวจสอบให้แน่ใจว่าคุณมีสิ่งต่อไปนี้:
- บัญชี AWS ที่ให้การเข้าถึงบริการของ AWS
- ผู้ใช้ IAM ที่มีคีย์การเข้าถึงและคีย์ลับเพื่อกำหนดค่า AWS CLI และสิทธิ์ในการสร้างบทบาท IAM นโยบาย IAM และสแต็กใน AWS CloudFormation
- ขณะนี้โมเดล Titan Text G1 – Express อยู่ในการแสดงตัวอย่าง ดังนั้นคุณต้องมีสิทธิ์เข้าถึงการแสดงตัวอย่างเพื่อใช้เป็นส่วนหนึ่งของโพสต์นี้
สร้างทรัพยากรด้วย AWS CloudFormation
CloudFormation สร้างทรัพยากร AWS ต่อไปนี้:
- สแต็ก VPC พร้อมซับเน็ตส่วนตัวและสาธารณะเพื่อใช้กับ EMR Studio, ตารางเส้นทาง และเกตเวย์ NAT
- ติดตั้งคลัสเตอร์ EMR ที่ติดตั้ง Python 3.9 แล้ว เรากำลังใช้การดำเนินการบูทสแตรปเพื่อติดตั้ง Python 3.9 และแพ็คเกจอื่นๆ ที่เกี่ยวข้อง เช่น การพึ่งพา pyspark-ai และ Amazon Bedrock (สำหรับข้อมูลเพิ่มเติมโปรดดูที่ สคริปต์บูต.)
- บัคเก็ต S3 สำหรับ EMR Studio Workspace และพื้นที่จัดเก็บข้อมูลโน้ตบุ๊ก
- บทบาทและนโยบาย IAM สำหรับการตั้งค่า EMR Studio, การเข้าถึง Amazon Bedrock และการเรียกใช้โน้ตบุ๊ก
ในการเริ่มต้น ให้ทำตามขั้นตอนต่อไปนี้:
สแต็ก CloudFormation ใช้เวลาประมาณ 20–30 นาทีจึงจะเสร็จสมบูรณ์ คุณสามารถติดตามความคืบหน้าได้บนคอนโซล AWS CloudFormation เมื่อสถานะของมันอ่าน CREATE_COMPLETE
บัญชี AWS ของคุณจะมีทรัพยากรที่จำเป็นในการปรับใช้โซลูชันนี้
สร้าง EMR สตูดิโอ
ตอนนี้คุณสามารถสร้าง EMR Studio และ Workspace เพื่อทำงานกับโค้ดโน้ตบุ๊กได้แล้ว ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล EMR Studio เลือก สร้างสตูดิโอ
- ป้อน ชื่อสตูดิโอ as
GenAI-EMR-Studio
และให้คำอธิบาย - ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร เครือข่ายและความปลอดภัย ส่วน ให้ระบุดังต่อไปนี้:
- สำหรับ วี.พี.ซีให้เลือก VPC ที่คุณสร้างโดยเป็นส่วนหนึ่งของสแต็ก CloudFormation ที่คุณปรับใช้ รับรหัส VPC โดยใช้เอาต์พุต CloudFormation สำหรับคีย์ VPCID
- สำหรับ เครือข่ายย่อยให้เลือกเครือข่ายย่อยทั้งหมดสี่เครือข่าย
- สำหรับ ความปลอดภัยและการเข้าถึงให้เลือก กลุ่มความปลอดภัยแบบกำหนดเอง.
- สำหรับ กลุ่มความปลอดภัยของคลัสเตอร์/ปลายทางเลือก
EMRSparkAI-Cluster-Endpoint-SG
. - สำหรับ กลุ่มความปลอดภัยของพื้นที่ทำงานเลือก
EMRSparkAI-Workspace-SG
.
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร บทบาทบริการสตูดิโอ ส่วน ให้ระบุดังต่อไปนี้:
- สำหรับ การยืนยันตัวตนให้เลือก AWS Identity และการจัดการการเข้าถึง (IAM).
- สำหรับ บทบาทบริการ AWS IAMเลือก
EMRSparkAI-StudioServiceRole
.
- ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร การจัดเก็บพื้นที่ทำงาน เรียกดูและเลือกบัคเก็ต S3 สำหรับการจัดเก็บโดยเริ่มจาก
emr-sparkai-<account-id>
. - Choose สร้างสตูดิโอ.
- เมื่อสร้าง EMR Studio ให้เลือกลิงก์ด้านล่าง URL การเข้าถึงสตูดิโอ เพื่อเข้าสู่สตูดิโอ
- เมื่อคุณอยู่ในสตูดิโอ ให้เลือก สร้างพื้นที่ทำงาน.
- เพิ่ม
emr-genai
เป็นชื่อพื้นที่ทำงานและเลือก สร้างพื้นที่ทำงาน. - เมื่อสร้างพื้นที่ทำงานแล้ว ให้เลือกชื่อเพื่อเปิดใช้พื้นที่ทำงาน (ตรวจสอบให้แน่ใจว่าคุณได้ปิดการใช้งานตัวบล็อกป๊อปอัป)
การวิเคราะห์ข้อมูลขนาดใหญ่โดยใช้ Apache Spark พร้อม Amazon EMR และ AI เชิงสร้างสรรค์
ตอนนี้เราได้เสร็จสิ้นการตั้งค่าที่จำเป็นแล้ว เราสามารถเริ่มดำเนินการวิเคราะห์ข้อมูลขนาดใหญ่โดยใช้ Apache Spark กับ Amazon EMR และ AI เชิงสร้างสรรค์ได้
ในขั้นตอนแรก เราจะโหลดสมุดบันทึกที่มีโค้ดที่จำเป็นและตัวอย่างเพื่อทำงานกับกรณีการใช้งาน เราใช้ชุดข้อมูล NY Taxi ซึ่งมีรายละเอียดเกี่ยวกับการนั่งแท็กซี่
- ดาวน์โหลดไฟล์สมุดบันทึก NYTaxi.ipynb และอัปโหลดไปยังพื้นที่ทำงานของคุณโดยเลือกไอคอนอัปโหลด
- หลังจากที่นำเข้าสมุดบันทึกแล้ว ให้เปิดสมุดบันทึกแล้วเลือก
PySpark
เป็นเคอร์เนล
PySpark AI โดยค่าเริ่มต้นจะใช้ ChatGPT4.0 ของ OpenAI เป็นโมเดล LLM แต่คุณยังสามารถเสียบโมเดลจาก Amazon Bedrock ได้อีกด้วย Amazon SageMaker JumpStartและรุ่นของบริษัทอื่นอื่นๆ สำหรับโพสต์นี้ เราจะแสดงวิธีผสานรวมโมเดล Amazon Bedrock Titan สำหรับการสร้างการสืบค้น SQL และรันกับ Apache Spark ใน Amazon EMR
- หากต้องการเริ่มต้นใช้งานโน้ตบุ๊ก คุณต้องเชื่อมโยงพื้นที่ทำงานกับเลเยอร์การประมวลผล โดยเลือก คำนวณ ในบานหน้าต่างนำทาง และเลือกคลัสเตอร์ EMR ที่สร้างโดยสแต็ก CloudFormation
- กำหนดค่าพารามิเตอร์ Python เพื่อใช้แพ็คเกจ Python 3.9 ที่อัปเดตกับ Amazon EMR:
- นำเข้าไลบรารีที่จำเป็น:
- หลังจากนำเข้าไลบรารีแล้ว คุณสามารถกำหนดโมเดล LLM จาก Amazon Bedrock ได้ ในกรณีนี้ เราใช้ amazon.titan-text-express-v1 คุณต้องป้อน URL ตำแหน่งข้อมูลภูมิภาคและ Amazon Bedrock ตามการเข้าถึงตัวอย่างของคุณสำหรับโมเดล Titan Text G1 – Express
- เชื่อมต่อ Spark AI กับโมเดล Amazon Bedrock LLM สำหรับการสร้างการสืบค้น SQL ตามคำถามในภาษาธรรมชาติ:
ที่นี่ เราได้เริ่มต้น Spark AI ด้วย verbose=False; คุณยังสามารถตั้งค่า verbose=True เพื่อดูรายละเอียดเพิ่มเติมได้
ตอนนี้คุณสามารถอ่านข้อมูล NYC Taxi ใน Spark DataFrame และใช้พลังของ generative AI ใน Spark ได้
- ตัวอย่างเช่น คุณสามารถถามจำนวนบันทึกในชุดข้อมูลได้:
เราได้รับคำตอบดังต่อไปนี้:
Spark AI ใช้ภายใน หลังเชน และสายโซ่ SQL ซึ่งซ่อนความซับซ้อนจากผู้ใช้ปลายทางที่ทำงานกับแบบสอบถามใน Spark
โน้ตบุ๊กมีสถานการณ์ตัวอย่างเพิ่มเติมสองสามตัวอย่างในการสำรวจพลังของ AI เชิงสร้างสรรค์ด้วย Apache Spark และ Amazon EMR
ทำความสะอาด
ล้างเนื้อหาของบัคเก็ต S3 emr-sparkai-<account-id>
ให้ลบ EMR Studio Workspace ที่สร้างขึ้นเป็นส่วนหนึ่งของโพสต์นี้ จากนั้นลบสแต็ก CloudFormation ที่คุณปรับใช้
สรุป
โพสต์นี้แสดงให้เห็นว่าคุณสามารถเพิ่มพลังให้กับการวิเคราะห์ Big Data ของคุณด้วยความช่วยเหลือของ Apache Spark กับ Amazon EMR และ Amazon Bedrock ได้อย่างไร แพ็คเกจ PySpark AI ช่วยให้คุณได้รับข้อมูลเชิงลึกที่มีความหมายจากข้อมูลของคุณ ช่วยลดเวลาในการพัฒนาและการวิเคราะห์ ลดเวลาในการเขียนการสืบค้นด้วยตนเอง และช่วยให้คุณมุ่งเน้นไปที่กรณีการใช้งานทางธุรกิจของคุณ
เกี่ยวกับผู้เขียน
ซอราภ ภูตยานี เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านการวิเคราะห์หลักที่ AWS เขามีความหลงใหลในเทคโนโลยีใหม่ๆ เขาเข้าร่วม AWS ในปี 2019 และทำงานร่วมกับลูกค้าเพื่อให้คำแนะนำทางสถาปัตยกรรมสำหรับการใช้งานกรณีการใช้งาน AI เชิงสร้างสรรค์ โซลูชันการวิเคราะห์ที่ปรับขนาดได้ และสถาปัตยกรรมตาข่ายข้อมูลโดยใช้บริการของ AWS เช่น Amazon Bedrock, Amazon SageMaker, Amazon EMR, Amazon Athena, AWS Glue, AWS Lake Formation, และ Amazon DataZone
Harsh Vardhan เป็นสถาปนิกโซลูชันอาวุโสของ AWS ซึ่งเชี่ยวชาญด้านการวิเคราะห์ เขามีประสบการณ์มากกว่า 8 ปีในการทำงานในสาขา big data และ data science เขามีความกระตือรือร้นในการช่วยให้ลูกค้านำแนวทางปฏิบัติที่ดีที่สุดมาใช้และค้นพบข้อมูลเชิงลึกจากข้อมูลของพวกเขา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/big-data/use-generative-ai-with-amazon-emr-amazon-bedrock-and-english-sdk-for-apache-spark-to-unlock-insights/
- :มี
- :เป็น
- :ไม่
- $ ขึ้น
- 1
- 10
- 100
- 107
- 11
- 20
- 200
- 2019
- 320
- 500
- 521
- 7
- 8
- 9
- 990
- a
- เกี่ยวกับเรา
- เข้า
- การจัดการการเข้าถึง
- ลงชื่อเข้าใช้
- รับทราบ
- การกระทำ
- เพิ่ม
- เพิ่มเติม
- นอกจากนี้
- นำมาใช้
- AI
- กรณีการใช้งาน ai
- ทั้งหมด
- การอนุญาต
- ช่วยให้
- ด้วย
- อเมซอน
- อเมซอน อาเธน่า
- อเมซอน EMR
- อเมซอน SageMaker
- Amazon Web Services
- จำนวน
- an
- การวิเคราะห์
- การวิเคราะห์
- และ
- คำตอบ
- ใด
- อาปาเช่
- Apache Spark
- API
- การใช้งาน
- ประมาณ
- ในเชิงสถาปัตยกรรม
- สถาปัตยกรรม
- เป็น
- ศิลปะ
- AS
- ถาม
- ภาคี
- At
- ใช้ได้
- หลีกเลี่ยง
- AWS
- การก่อตัวของ AWS Cloud
- AWS กาว
- การก่อตัวของทะเลสาบ AWS
- กลับ
- ตาม
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- เกิน
- ใหญ่
- ข้อมูลขนาดใหญ่
- บูต
- สร้าง
- ธุรกิจ
- แต่
- ปุ่ม
- by
- CAN
- กรณี
- กรณี
- แค็ตตาล็อก
- โซ่
- การเปลี่ยนแปลง
- โหลด
- Choose
- เลือก
- เมือง
- เมฆ
- ข้อมูลขนาดใหญ่บนคลาวด์
- Cluster
- รหัส
- รวม
- บริษัท
- สมบูรณ์
- เสร็จ
- ความซับซ้อน
- คำนวณ
- งานที่เชื่อมต่อ
- การเชื่อมต่อ
- ปลอบใจ
- ไม่หยุดหย่อน
- มี
- เนื้อหา
- ค่าใช้จ่าย
- สร้าง
- ที่สร้างขึ้น
- สร้าง
- ความคิดสร้างสรรค์
- ขณะนี้
- ลูกค้า
- ตัดขอบ
- ข้อมูล
- วิเคราะห์ข้อมูล
- การประมวลผล
- วิทยาศาสตร์ข้อมูล
- ฐานข้อมูล
- ชุดข้อมูล
- วันที่
- ค่าเริ่มต้น
- กำหนด
- สาธิต
- การอ้างอิง
- นำไปใช้
- ได้มา
- ลักษณะ
- ได้รับการออกแบบ
- รายละเอียด
- พัฒนา
- พัฒนาการ
- ต่าง
- พิการ
- ค้นพบ
- do
- อย่างมีประสิทธิภาพ
- ง่าย
- ปลาย
- ปลายทาง
- ชั้นเยี่ยม
- วิศวกร
- ภาษาอังกฤษ
- ทำให้มั่นใจ
- เข้าสู่
- การป้อน
- สิ่งแวดล้อม
- ยุค
- จำเป็น
- อีเธอร์ (ETH)
- แม้
- ตัวอย่าง
- ตัวอย่าง
- ประสบการณ์
- การทดลอง
- สำรวจ
- ด่วน
- สารสกัด
- FAST
- คุณสมบัติ
- สองสาม
- สนาม
- เนื้อไม่มีมัน
- สุดท้าย
- ชื่อจริง
- ความยืดหยุ่น
- โฟกัส
- ปฏิบัติตาม
- ดังต่อไปนี้
- สำหรับ
- การสร้าง
- รากฐาน
- สี่
- กรอบ
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- g1
- การ์เนอร์
- เกตเวย์
- สร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ได้รับ
- ให้
- Go
- คำแนะนำ
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- ซ่อนเร้น
- ซ่อน
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- ที่ http
- HTTPS
- i
- AMI
- ICON
- ID
- เอกลักษณ์
- การระบุตัวตนและการจัดการการเข้าถึง
- แสดงให้เห็นถึง
- การดำเนินการ
- นำเข้า
- in
- ในอื่น ๆ
- รวมทั้ง
- ชั้นนำของอุตสาหกรรม
- ข้อมูล
- นวัตกรรม
- อินพุต
- ข้อมูลเชิงลึก
- ติดตั้ง
- อินสแตนซ์
- คำแนะนำการใช้
- รวบรวม
- แบบบูรณาการ
- บูรณาการ
- ตั้งใจว่า
- โต้ตอบ
- การโต้ตอบ
- ภายใน
- เข้าไป
- IT
- ITS
- เข้าร่วม
- jpg
- เก็บ
- คีย์
- ทราบ
- ทะเลสาบ
- ภาษา
- ใหญ่
- ล่าสุด
- เปิดตัว
- ชั้น
- ชั้นนำ
- การเรียนรู้
- ห้องสมุด
- ห้องสมุด
- กดไลก์
- Line
- LINK
- โหลด
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- ทำให้
- การจัดการ
- การจัดการ
- คู่มือ
- ตลาด
- อาจ..
- มีความหมาย
- ตาข่าย
- ต่ำสุด
- นาที
- ML
- แบบ
- โมเดล
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ชื่อ
- โดยธรรมชาติ
- ภาษาธรรมชาติ
- การเดินเรือ
- จำเป็น
- จำเป็นต้อง
- จำเป็น
- เครือข่าย
- ใหม่
- เทคโนโลยีใหม่ ๆ
- สมุดบันทึก
- โน๊ตบุ๊ค
- ตอนนี้
- จำนวน
- NY
- NYC
- วัตถุ
- การสังเกต
- of
- เสนอ
- on
- เปิด
- โอเพนซอร์ส
- or
- องค์กร
- อื่นๆ
- เอาท์พุท
- เกิน
- ภาพรวม
- แพ็คเกจ
- แพคเกจ
- บานหน้าต่าง
- พารามิเตอร์
- ส่วนหนึ่ง
- หลงใหล
- ที่มีประสิทธิภาพ
- สิทธิ์
- สถานที่
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- สนามเด็กเล่น
- ปลั๊ก
- นโยบาย
- ป๊อปอัพ
- โพสต์
- ที่มีศักยภาพ
- อำนาจ
- การปฏิบัติ
- ดูตัวอย่าง
- หลัก
- ส่วนตัว
- กระบวนการ
- การประมวลผล
- การผลิต
- ความคืบหน้า
- ให้
- ให้
- ผู้ให้บริการ
- ให้
- สาธารณะ
- หลาม
- คำสั่ง
- คำถาม
- คำถาม
- อย่างรวดเร็ว
- R
- อ่าน
- บันทึก
- ลด
- ลด
- อ้างอิง
- ไม่คำนึงถึง
- ภูมิภาค
- ภูมิภาค
- ตรงประเด็น
- เอาออก
- จำเป็นต้องใช้
- แหล่งข้อมูล
- คำตอบ
- ผลสอบ
- ขี่
- บทบาท
- บทบาท
- เส้นทาง
- วิ่ง
- วิ่ง
- ทำงาน
- sagemaker
- สกาล่า
- scalability
- ที่ปรับขนาดได้
- ขนาด
- ปรับ
- สถานการณ์
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- SDK
- ค้นหา
- ลับ
- ความปลอดภัย
- เห็น
- เลือก
- ระดับอาวุโส
- บริการ
- บริการ
- ชุด
- การติดตั้ง
- โชว์
- แสดงให้เห็นว่า
- ง่าย
- ลดความซับซ้อน
- เดียว
- So
- ทางออก
- โซลูชัน
- แหล่ง
- จุดประกาย
- ผู้เชี่ยวชาญ
- ความเชี่ยวชาญ
- ความเร็ว
- SQL
- กอง
- สแต็ค
- เริ่มต้น
- ข้อความที่เริ่ม
- ที่เริ่มต้น
- Status
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- ซื่อตรง
- สตูดิโอ
- ซับเน็ต
- อย่างเช่น
- ซุปเปอร์ชาร์จ
- แน่ใจ
- ระบบ
- ตาราง
- นำ
- ใช้เวลา
- เทคโนโลยี
- เทคโนโลยี
- เทมเพลต
- ข้อความ
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- แล้วก็
- พวกเขา
- ของบุคคลที่สาม
- นี้
- คิดว่า
- ตลอด
- เวลา
- ไทม์ไลน์
- ยักษ์
- ไปยัง
- เครื่องมือ
- ด้านบน
- แบบดั้งเดิม
- ui
- ภายใต้
- ปลดล็อก
- ให้กับคุณ
- URL
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้งาน
- ผู้ใช้
- ใช้
- การใช้
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- กว้างใหญ่
- เห็นภาพ
- ทาง..
- วิธี
- we
- เว็บ
- บริการเว็บ
- web-based
- เมื่อ
- ที่
- ในขณะที่
- จะ
- กับ
- ภายใน
- ไม่มี
- งาน
- การทำงาน
- โรงงาน
- ทั่วโลก
- เขียน
- เขียน
- ปี
- นิวยอร์ก
- เธอ
- ของคุณ
- ลมทะเล