Bugün biz Amazon SageMaker'da RStudio duyuruldu, R'de çalışan veri bilimcileri için buluttaki ilk makine öğrenimi (ML) entegre geliştirme ortamı (IDE). Açık kaynak dili R ve zengin ekosistemi ile 18,000 paketleri istatistikçiler, nicelik analistleri, veri bilimciler ve makine öğrenimi mühendisleri için en iyi seçim olmuştur. SageMaker'daki RStudio, veri bilimcilerin bilgi işlem altyapısı hakkında endişelenmeden ekip için merkezi bir ortamda istatistiksel analiz yürütmesini, makine öğrenimi modelleri oluşturmasını ve veri bilimi içeriği oluşturmasını kolaylaştırır.
R geliştiricileri için RStudio paketinin bir parçası olarak RStudio Workbench ile birlikte RStudio Connect ve RStudio Paket Yöneticisi bulunur. RStudio Bağlantısı Veri bilimcilerin karmaşık çalışmalarından makine öğrenimi ve veri bilimi içgörülerini ortaya çıkarmayı ve karar vericilerin eline vermeyi kolaylaştırır. RStudio Connect, veri bilimcilerinin öngörüler, gösterge panoları ve web uygulamaları yayınlamasına izin verecek şekilde tasarlanmıştır. RStudio Connect ayrıca içeriği barındırmayı ve yönetmeyi basit ve geniş tüketim için ölçeklenebilir hale getirir.
RStudio Paket Yöneticisi ML ekipleri ve kuruluşlar arasında R paketlerini düzenlemeye ve merkezileştirmeye yardımcı olur. Veri bilimciler ML modellerini geliştirirken, RStudio'daki ML kullanım durumları için farklı yeteneklere sahip çeşitli paketlere ihtiyaç duyarlar. Kurumsal kullanıcılar için bu paketlerin kaynaklarını ve sürümlerini ve çok sayıda genel havuzu manuel olarak yönetmek hatalara açıktır ve aynı zamanda zaman alıcıdır. RStudio Paket Yöneticisi, veri bilimcilerin paketleri hızlı ve güvenli bir şekilde kurabilmeleri ve projenin yeniden üretilebilirliğini ve tekrarlanabilirliğini sağlayabilmeleri için paket havuzunu kuruluşunuz için merkezi olarak yöneterek bu sorunları azaltır. Sağlık ve finans gibi düzenlenmiş sektörlerde güvenlik ve tekrarlanabilirlik en önemli unsurlardır.
Bu gönderide, önce size AWS'de iyi tasarlanmış bir çözümle RStudio Connect ve RStudio Paket Yöneticisi'nin nasıl tasarlanacağını ve dağıtılacağını gösteriyoruz. Ardından, SageMaker üzerinde RStudio'dan RStudio Connect ve RStudio Paket Yöneticisi'ni nasıl kullanacağınızı göstereceğiz. biz UCI meme kanseri veri seti SageMaker'da RStudio'da R dilinde çeşitli ML içeriği türleri oluşturmak için. Gönderide gösterdiğimiz ML içeriği, R Markdown ve bir R Shiny uygulamasını içerir.
Çözüme genel bakış
Çözüm mimarisi, RStudio Connect ve RStudio Paket Yöneticisi Docker kapsayıcılarının profesyonel sürümlerini temel alır. RStudio Connect ve RStudio Paket Yöneticisi iki farklı şekilde yapılandırılmıştır. Kullanılabilirlik Bölgeleri yüksek kullanılabilirlik için. Hem RStudio Connect hem de RStudio Paket Yöneticisi kapsayıcıları, gelen istek sayısına, kapsayıcılardaki bellek ve CPU kullanımına bağlı olarak gelen trafiği işlemek için otomatik ölçeklendirmeyi destekler.
Kapsayıcı görüntüleri depolanır ve şuradan alınır: Amazon Elastik Konteyner Kayıt Defteri (Amazon ECR) güvenlik açığı taraması etkin. Güvenlik açığı sorunları, görüntüleri dağıtmadan önce ele alınmalıdır.
Aşağıdaki şemada çözüm mimarisi gösterilmektedir.
Çözüm iş akışındaki adımlar şunlardır:
- R kullanıcıları, RStudio Connect ve RStudio Paket Yöneticisine şu yollarla erişir: Amazon Rota 53. Route 53, gelen istekler için bir DNS hizmetidir.
- Route 53, gelen istekleri çözer ve bunları şu adrese iletir: AWS WAF'ı güvenlik kontrolleri için.
- Geçerli istekler bir Uygulama Yük Dengeleyici (ALB), bunları kuruma ileten Amazon Elastik Konteyner Hizmeti (Amazon ECS) kümesi. ALB, tarafından verilen ve doğrulanan bir HTTPS sertifikası için gelen istekleri kontrol eder. AWS Sertifika Yöneticisi.
- Amazon ECS, bir kümedeki kapsayıcıları kontrol eder. Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2) örnekleri (EC2 başlatma türü) Otomatik Ölçekleme grubu ve gerektiğinde konteyner sayısını artırmak ve azaltmaktan sorumludur. Amazon ECS kapasite sağlayıcısı.
- Gelen istekler, mevcut RStudio Connect kapsayıcılarından herhangi birinde RStudio Connect sunucusu tarafından işlenir; kullanıcıların kimlikleri doğrulanır ve uygulamalar web tarayıcısında işlenir. RStudio Paket Yöneticisi istekleri Paket Yöneticisi kapsayıcısına yönlendirilir.
- Amazon Aurora Sunucusuz PostgreSQL veritabanları, hem RStudio Connect hem de RStudio Paket Yöneticisi için birden çok kapsayıcı kullanarak yüksek kullanılabilirlik sağlamak için kullanılır. Aurora, sunucusuz küme veritabanlarını otomatik olarak yedekler. Aurora'daki veriler, kullanım dışı durumdayken şifrelenir. AWS Anahtar Yönetim Hizmeti (AWS KMS).
- Amazon Elastik Dosya Sistemi (Amazon EFS), RStudio Connect ve RStudio Paket Yöneticisi tarafından gereken kalıcı dosya sistemini sağlar. Amazon EFS'deki veriler, beklemedeyken AWS KMS kullanılarak şifrelenir. Amazon EFS, verileri birden çok Erişilebilirlik Alanında depolayan bir NFS dosya sistemidir. AWS Bölgesi veri dayanıklılığı ve yüksek kullanılabilirlik için. RStudio Connect ve RStudio Paket Yöneticisi kapsayıcı Amazon EFS bağlamalarında oluşturulan dosyalar, Amazon EFS tarafından otomatik olarak yedeklenir.
- Kullanıcı oturumu genel internet ile iletişim kurarsa, giden istekler bir NAT ağ geçidi özel kapsayıcı alt ağından.
- NAT ağ geçidi, bir aracılığıyla işlenmek üzere giden istekleri gönderir. ağ geçidi. İnternete giden yollar da şu şekilde yapılandırılabilir: AWS Toplu Taşıma Ağ Geçidi.
Biz kullanmak AWS Bulut Geliştirme Kiti (AWS CDK) Python'un altyapı kodunu geliştirmesi ve kodu bir AWS CodeCommit depo, yani AWS Kod Ardışık Düzeni otomatikleştirilmiş derlemeler için AWS CDK yığınlarını entegre edebilir.
Dağıtım kodu kullanır 53 genel barındırılan bölge rotası RStudio Connect ve RStudio Paket Yöneticisine herkesin erişebileceği URL'lerde hizmet vermek için. Kullanabilirsiniz 53 özel barındırılan bölge rotası SageMaker'da RStudio'dan yalnızca VPC bağlantı modunda gelen kullanıcılar için özel uç noktalar sağlayan dahili bir ALB'ye sahip RStudio Connect ve RStudio Paket Yöneticisi kapsayıcıları için. Bu, AWS hesabınızda önceden var olan bir genel etki alanına ihtiyacınız olmadığı anlamına gelir. Ancak, genel Docker görüntülerini getirmeniz gerekir (RStudio Bağlantısı, RStudio Paket Yöneticisi) ve bunları özel bir Amazon ECR deposunda saklayın ve dağıtım kodunu altyapı oluşturma için bu görüntülere yönlendirin.
AWS hizmetleri arasındaki tüm iletişimlerin AWS içinde kalması gerekiyorsa, AWS Özel Bağlantı AWS hizmetleri için VPC uç noktalarını yapılandırmak için. AWS PrivateLink, AWS hizmet uç noktaları için hizmetler arası trafiğin internete maruz kalmamasını sağlar.
Ayrıca RStudio'dan RStudio Team çözümü Bu yazıda açıklanan çözüme alternatif olarak AWS'deki Amazon EC2'de bir RStudio teknoloji yığınının nasıl dağıtılacağını öğrenmek için.
Önkoşullar
AWS CDK yığınlarını kaynak koddan dağıtmak için ekte açıklanan önkoşulları incelemeniz ve gerçekleştirmeniz gerekir. GitHub deposu devam etmek için gerekli kaynaklara sahip olduğunuzdan emin olmak için.
Çözümü başlatın
- klonlamak GitHub deposu, kontrol et rsc-rspm dalıve aws-fargate-with-rstudio-open-source klasörüne gidin.
- CodeCommit deposu oluşturun Aşağıdaki komutla RStudio Connect/RStudio Paket Yöneticisi kurulumu için kaynak kodunu tutmak için:
- Gerekli parametreleri iletin cdk.json Adım 3'ün ardından Kurulum Adımları bölümünde beni oku dosyası.
- kurmak paket gereksinimleri AWS CDK uygulaması için:
- Kodu CodeCommit deposuna kaydetmeden önce AWS CDK yığınlarını sentezleyin. Bu, gerekli tüm bağlam değerlerinin
cdk.context.json
dosya ve eşlenen kukla değerleri önler. - Değişiklikleri, oluşturduğunuz CodeCommit deposuna uygulayın. bölümündeki Adım 5'i izleyin. Kurulum Adımları Git komutlarıyla ilgili yardıma ihtiyacınız varsa benioku.
- CodePipeline kullanarak RStudio Connect/RStudio Paket Yöneticisi'ni yüklemek için AWS CDK yığınlarını dağıtın. Bu adım yaklaşık 30 dakika sürer.
- gidin CodePipeline konsolu (bağlantı sizi
us-west-2
Bölge). İşlem hattını izleyin ve hizmetlerin başarıyla oluşturulduğunu onaylayın.
Boru hattı adı RSC-RSPM-App-Pipeline-<instance>
. Bu noktadan itibaren, ardışık düzen oluşturduğunuz CodeCommit deposuna yönelik taahhütlerde tetiklenir. koşmaya gerek yok cdk deploy
(Adım 7) artık.
- Ardışık düzen kurulumu tamamlandığında, aşağıdaki URL'leri kullanarak RStudio Connect ve RStudio Paket Yöneticisine erişebilirsiniz.
r53_base_domain
, veinstance
girdiğiniz parametreler cdk.json:https://connect.<instance>.<r53_base_domain>
https://package.<instance>.<r53_base_domain>
- Sen kullanabilirsiniz Amazon ECS Yürütme hem RStudio Connect hem de RStudio Paket Yöneticisi kapsayıcılarında oturum açmak için. Takip et beni oku talimatlar için.
RStudio Paket Yöneticisi ile paketleri yönetin
RStudio Paket Yöneticisi, bir kuruluş genelinde R paketlerinin tutarlılığının ve standardizasyonunun sağlanmasına yardımcı olur. RStudio Paket Yöneticisi'nde, bir BT yöneticisi havuza onaylanmış bir paket ekleyebilir. Farklı paketlere veya paket sürümlerine erişim sağlamak için birden fazla grup oluşturulabilir. RStudio Paket Yöneticisi, paketlerin tüm güncelleme ve sürümlerini de yönetir. Yönetici, paketlerde otomatik güncellemeleri etkinleştirebilir veya RStudio Paket Yöneticisi'ni, paketlerin yalnızca manuel olarak güncellenebileceği şekilde yapılandırabilir, bu da RStudio Paket Yöneticisi ile CRAN hizmeti arasında daha fazla yalıtım sağlar.
RStudio Paket Yöneticisini Yapılandırın
RStudio CRAN'dan paketleri çeken bir depo oluşturabiliriz. aşağıdaki komutlar. Bu komutları çalıştırmak için Amazon ECS Exec kullanarak RStudio Paket Yöneticisine SSH yapmamız gerekiyor.
Komutlar bir havuz oluşturur ve onu, adlı yerleşik kaynağa abone eder. cran
. Bu tamamlandığında, dev-cran
depo, aşağıdaki ekran görüntüsünde gösterildiği gibi RStudio Paket Yöneticisinin web arayüzünde mevcuttur. Bu web arayüzüne yönetici ve bunun için URL'ye sahip kullanıcılar tarafından erişilebilir.
CRAN paketlerinin sunulmasına ek olarak, yerel paketleri, Git paketlerini, CRAN paketleriyle birlikte yerel paketleri, onaylanmış CRAN ve yerel paketlerin bir alt kümesini ve GitHub'dan son teknoloji paketleri dağıtmak için depolar oluşturulabilir. Depoların nasıl oluşturulacağı hakkında daha fazla ayrıntı için bkz. CRAN Paketlerinin Sunulması. Ayrıca, RStudio Paket Yöneticisi şunları destekler: Biyoiletken. Biyoiletken, yaşam bilimlerinde yaygın olarak kullanılan bir R paketleri ekosistemidir. Bioconductor paketlerini CRAN ile ve yerel paketleri RStudio Paket Yöneticisinde birleştirebiliriz.
RStudio Paket Yöneticisi paket sürümleri
RStudio Paket Yöneticisi'nin web arayüzünde, Kurmak sekmesinde, bir takvim görünümünde tarihe göre bir havuz seçebilirsiniz. Ayrıca, aşağıdaki ekran görüntüsünde gösterildiği gibi, paketlerin en son sürümünü kullanmayı veya paketleri belirli bir anlık görüntüde dondurmayı seçebilirsiniz.
Üzerinde Kurmak sekmesinde, depo paketleri için hangi sistem ön koşullarının gerekli olabileceğini ve bunları yüklemek için komutları görebiliriz.
RStudio Connect ve RStudio Paket Yöneticisini kullanmak için SageMaker etki alanında bir RStudio yapılandırın
RStudio ile bir SageMaker etki alanı oluştururken, SageMaker etki alanınızdaki tüm kullanıcılar için varsayılan bir RStudio Connect sunucusu ve RStudio Paket Yöneticisi deposu ayarlama seçeneğiniz vardır. SageMaker etki alanı oluşturma işlemi sırasında, ayrıntılı olarak RStudio ile bir SageMaker etki alanı oluşturun bölümündeki bölüm Amazon SageMaker'da RStudio'ya Başlarken, içindeki tüm kullanıcı profilleri için varsayılan RStudio Connect ve RStudio Paket Yöneticisi URL'lerini yapılandırabilirsiniz. 3. Adım: RStudio ayarları. Için RStudio Bağlantısı, RStudio Connect sunucu URL'sini girin. İçin RStudio Paket Yöneticisi, bir CRAN veya Bioconductor deposu girin.
Varsayılan URL'ler yapılandırılır ve şuraya kaydedilir: /etc/rstudio/rsession.conf
SageMaker'da RStudio'daki tüm kullanıcılar için. R konsolundaki varsayılan depoyu şu şekilde doğrulayabilirsiniz: options('repos')
. RStudio Paket Yöneticinize işaret eden bir havuz görmelisiniz. Varsayılan RStudio Connect URL'sine gelince, bir parça R içeriği yayınladığınızda tek tıklattığınızda otomatik olarak doldurulur.
Bir R oturumunda RStudio Paket Yöneticisinden bir havuzu güncelleme
Halihazırda SageMaker üzerinde çalışan bir RStudio'nuz varsa ve farklı bir havuz kullanmak istiyorsanız, aşağıdaki adımlarla RStudio Paket Yöneticinizden bir havuz kullanmak için SageMaker üzerindeki RStudio'da R oturumunuzu yapılandırabilirsiniz:
- Bir R Oturumunda, Tools menü seç Global Seçenekler.
- Klinik Paketler ve sonra seç değişim.
- içinde görenek alanına, seçilen havuzun URL'sini girin ( Kurmak RStudio Paket Yöneticisi web arayüzünün sekmesi) ve öğesini seçin. OK.
- Klinik OK tekrar ve işimiz bitti!
Artık RStudio'ya kurduğumuz paketler, RStudio Paket Yöneticisi sunucunuzdan seçilen depodan alınmıştır. ile doğrulayabilirsiniz options('repos')
veya bir paket kurarak ve nereden çekildiğini görün. Daha fazla ayrıntı için bkz. Başarıyı Kontrol Etmek.
Bir R oturumunda RStudio Connect hesabını güncelleme
Zaten SageMaker üzerinde çalışan bir RStudio'nuz varsa ve varsayılandan farklı bir RStudio Connect sunucusu kullanmak istiyorsanız, aşağıdaki adımları tamamlayın:
- Üzerinde Tools menü seç Global Seçenekler.
- Klinik Yayıncılık.
- Klinik Sosyal medya.
- Klinik RStudio Bağlantısı.
- Sunucunuzun genel URL'sini girin, örneğin,
https://xxxx.rstudioconnect.com
, ve Seç Sonraki.
Bu ilk kez oluyorsa, bir hesapla oturum açmanızı isteyen yeni bir sayfa görünür.
- Klinik Sosyal medya Devam etmek için.
- Klinik Hesabı Bağla RStudio'daki iletişim kutusunda.
Listede RStudio Connect kullanıcı profilinizi ve sunucu URL'nizi görmelisiniz.
Daha fazla bilgi için bkz: RStudio Hesabınızı bağlayın, ve Bağlanıyor: RStudio IDE.
Artık RStudio Connect sunucusu, Amazon SageMaker'daki RStudio'ya başarıyla bağlandı. Harika içerikler oluşturmaya ve yayınlamaya hazırız.
Amazon SageMaker'da RStudio'da ML içeriği oluşturun
Amazon SageMaker'da RStudio içinde kolayca bir analiz oluşturabilir ve ortak çalışanlarınızın analizinizi kullanabilmesi için tek tuşla RStudio Connect'inizde yayınlayabilirsiniz. Bu gönderi için bir UCI meme kanseri veri seti itibaren mlbench
Bazı yaygın kullanım durumlarını gözden geçirmek için: R Markdown ve Shiny uygulaması.
R İşaretleme
R Markdown, analizlerinizi bir markdown dosyasının parçası olarak R'de çalıştırmak ve RStudio Connect'te paylaşmak için harika bir araçtır. İçinde rsconnect_rmarkdown/breast_cancer_eda.Rmd
, markdown'daki metinlerle birlikte veri seti üzerinde iki basit analiz ve çizim yapıyoruz:
Seçerek dosyayı önizleyebiliriz. Örgü ve seçerek RStudio Connect'te yayınlayın. Yayınlamak.
R Markdown'ın yanı sıra, çoğu zaman Shiny ile etkileşimli bir uygulama veya gösterge panosu oluşturuyorsunuz. Amazon SageMaker'daki RStudio'dan RStudio Connect'e Shiny uygulamalarını nasıl yayınlayabileceğimize bakalım.
parlak uygulama
Parlak programlı olarak etkileşimli web uygulamaları oluşturmayı kolaylaştıran bir R paketidir. Analizlerini ve modellerini Shiny uygulaması aracılığıyla paydaşlarıyla paylaşmak veri bilimcileri arasında popülerdir. İçinde rsconnect_shiny/breast-cancer-app/
içinde bir ML modeli geliştiriyoruz. breast_cancer_modeling.r
ve kullanıcıların verilerle ve makine öğrenimi modeliyle etkileşime girmesine izin vermek için bir web uygulaması oluşturun.
Yayınlamak için açın app.R
Ve seç Yayınlamak. İkisini de seçin app.R
ve breast_cancer_modeling.r
yayımlamak.
Uygulamada, çizimde görselleştirmek için iki özelliği değiştirebilir ve gerçek verileri ve iyi huylu veya kötü huylu kanser vakaları olup olmadığına dair model tahminlerini görmek için çizimdeki veri noktalarını seçebilirsiniz. Olasılık eşiğini kaydırarak modelle etkileşime girebilir ve farklı sınıflandırma sayıları elde edebilirsiniz. Kontrol panelini aşağıdaki ekran görüntüsünde çalışırken görebilirsiniz.
Sonuç
Bu gönderide, AWS CDK kullanarak AWS Fargate ve Amazon ECS tabanlı bir mimariye sahip RStudio Connect ve RStudio Paket Yöneticisi sunucularının AWS'de nasıl dağıtılacağını gösterdik. Bulutta çalışan RStudio Connect ve RStudio Paket Yöneticisi ile bunları Amazon SageMaker üzerinde RStudio'dan nasıl kullanacağınızı gösterdik. Ardından, meme kanseri tahmini kullanım örneğine dayalı olarak R Markdown ve Shiny uygulamaları gibi R tabanlı malzemelerin RStudio Connect örneğine nasıl dağıtılacağını gösterdik.
Bulutta bir RStudio Connect örneğine sahip olmak, yalnızca makine öğrenimi ve veri bilimi ekiplerinizin daha etkili bir şekilde işbirliği yapmasını sağlamakla kalmaz, aynı zamanda makine öğrenimi içgörülerini paydaşlar ve iş birimleri arasında paylaşmayı çok daha kolay hale getirir. Bu da daha iyi bir iş sonucu için kuruluşunuzda ML kullanımını teşvik eder. RStudio Paket Yöneticisi ile projenin tekrarlanabilirliğini sağlamak için güvenilir kaynaklardan R paketlerini hızlı ve güvenli bir şekilde yönetebilir, sunabilir ve kurabilirsiniz.
Bir veri bilimcisinin bakış açısından SageMaker'da RStudio hakkında daha fazla bilgiyi gönderide bulabilirsiniz. Veri Bilimciler için Amazon SageMaker'da Tam Yönetilen RStudio Duyurusu. Ayrıca gönderide SageMaker'da RStudio'nun nasıl kurulacağı ve yönetileceği hakkında daha fazla bilgi edinebilirsiniz. Amazon SageMaker'da RStudio'yu kullanmaya başlama. Bulutta ML için ilk IDE olan Amazon SageMaker Studio hakkında daha fazla bilgi edinmek için bkz. Amazon SageMaker Stüdyosu.
Yazarlar Hakkında
Michael Hsieh Kıdemli AI/ML Uzman Çözüm Mimarıdır. Amazon Machine Learning teklifleri ve ML alan bilgisinin bir kombinasyonu ile ML yolculuklarını ilerletmek için müşterilerle birlikte çalışır. Seattle nakli olarak, yürüyüş parkurları, SLU'da manzara kanosu ve Shilshole Körfezi'nde gün batımı gibi bölgenin sunduğu harika doğa anasını keşfetmeyi seviyor.
çayan panda bir Bulut Altyapı Mimarıdır. Bulut geçişleri, bulut altyapısı (güvenlik, ağ, DevOps), Greenfield platform uygulamaları, büyük veri/AI/ML ve sunucusuz ve veritabanı çözümleri için sağlam çözüm tasarımı konusunda AWS müşterilerine danışmanlık hizmetleri ve düşünce liderliği sağlıyor. Müşterileri takıntı haline getirmediği zamanlarda, kısa bir koşudan, müzikten, kitaptan veya ailesiyle seyahat etmekten hoşlanır.
Faruk Sabir Kıdemli AI/ML Uzman Çözüm Mimarıdır. Müşterilerin veri bilimi, makine öğrenimi ve yapay zeka kullanarak iş sorunlarını çözmelerine yardımcı olur.
- '
- 000
- 100
- 7
- 9
- erişim
- Hesap
- Action
- danışma
- Türkiye
- Amazon
- Amazon EC2
- Amazon Makine Öğrenimi
- Amazon Adaçayı Yapıcı
- arasında
- analiz
- uygulamayı yükleyeceğiz
- Uygulama
- uygulamaları
- uygulamalar
- mimari
- etrafında
- yapay zeka
- şafak
- Otomatik
- kullanılabilirliği
- AWS
- Defne
- Siyah
- Kanama Kenarı
- Meme kanseri
- tarayıcı
- inşa etmek
- bina
- iş
- Takvim
- Kanser
- Kapasite
- durumlarda
- sertifika
- değişiklik
- Çekler
- sınıflandırma
- bulut
- bulut altyapısı
- kod
- gelecek
- ortak
- İletişim
- hesaplamak
- Bağlantı
- tüketmek
- tüketim
- Konteyner
- Konteynerler
- içerik
- Oluşturma
- Müşteriler
- gösterge paneli
- veri
- veri bilimi
- veritabanı
- veritabanları
- Dizayn
- geliştirmek
- geliştiriciler
- gelişme
- DevOps
- dns
- liman işçisi
- ekosistem
- kenar
- Mühendisler
- kuruluş
- çevre
- aile
- Özellikler
- maliye
- Ad
- ilk kez
- takip et
- Dondurmak
- gif
- Git
- GitHub
- harika
- sağlık
- Yüksek
- yürüyüş
- ambar
- hosting
- Ne kadar
- Nasıl Yapılır
- HTTPS
- ICS
- Endüstri
- bilgi
- Altyapı
- anlayışlar
- İstihbarat
- interaktif
- Internet
- izolasyon
- sorunlar
- IT
- anahtar
- bilgi
- dil
- son
- başlatmak
- Liderlik
- ÖĞRENİN
- öğrenme
- Yaşam Bilimleri
- LINK
- Liste
- yük
- yerel
- makine öğrenme
- yönetim
- malzemeler
- ML
- model
- anne
- hareket
- Music
- ağ
- teklif
- teklifleri
- açık
- seçenek
- kuruluşlar
- organizasyonlar
- perspektif
- platform
- Popüler
- tahmin
- Tahminler
- Önizleme
- özel
- Profil
- Profiller
- proje
- halka açık
- yayınlamak
- çeken
- Python
- Quant
- Yer Alan Kurallar
- Kaynaklar
- DİNLENME
- yorum
- Rota
- koşmak
- koşu
- sagemaker
- ölçekleme
- taramak
- Bilim
- BİLİMLERİ
- bilim adamları
- Seattle
- güvenlik
- seçilmiş
- Serverless
- Hizmetler
- servis
- set
- paylaş
- kısa
- Basit
- Enstantane fotoğraf
- So
- Çözümler
- ÇÖZMEK
- başladı
- kalmak
- mağaza
- mağaza
- gün batımı
- destek
- Destekler
- yüzey
- sistem
- Teknoloji
- Kaynak
- düşünce liderliği
- zaman
- üst
- trafik
- transit
- seyahat
- Güncellemeler
- kullanıcılar
- Görüntüle
- güvenlik açığı
- ağ
- Web Uygulamaları
- web tarayıcı
- DSÖ
- içinde
- İş
- iş akışı
- çalışır