Editöre göre resim
OpenAI'nin GPT-3'ü, Google'ın BERT'si ve Meta'nın LLaMA'sı gibi Büyük Dil Modelleri (LLM'ler), pazarlama metni ve veri bilimi senaryolarından şiire kadar geniş bir metin dizisi oluşturma yetenekleriyle çeşitli sektörlerde devrim yaratıyor.
ChatGPT'nin sezgisel arayüzü bugün çoğu insanın cihazında yer almayı başarmış olsa da, yüksek lisansların çeşitli yazılım entegrasyonlarında kullanılmasına yönelik hala kullanılmamış geniş bir potansiyel alanı bulunmaktadır.
Ana problem?
Çoğu uygulama, Yüksek Lisans'larla daha akıcı ve yerel iletişim gerektirir.
LangChain tam da bu noktada devreye giriyor!
Üretken AI ve LLM'lerle ilgileniyorsanız, bu eğitim sizin için özel olarak hazırlanmıştır.
Haydi başlayalım!
Eğer bir mağarada yaşıyorsanız ve son zamanlarda herhangi bir haber alamadıysanız, Büyük Dil Modelleri veya Yüksek Lisans'ı kısaca anlatacağım.
Yüksek Lisans, insan benzeri metin anlayışını ve oluşumunu taklit etmek için oluşturulmuş gelişmiş bir yapay zeka sistemidir. Bu modeller, devasa veri kümeleri üzerinde eğitim alarak karmaşık kalıpları ayırt eder, dilsel incelikleri kavrar ve tutarlı çıktılar üretir.
Bu yapay zeka destekli modellerle nasıl etkileşim kuracağınızı merak ediyorsanız bunu yapmanın iki ana yolu vardır:
- En yaygın ve doğrudan yol, modelle konuşmak veya sohbet etmektir. Bir istem oluşturmayı, bunu yapay zeka destekli modele göndermeyi ve yanıt olarak metin tabanlı bir çıktı almayı içerir.
- Diğer bir yöntem ise metni sayısal dizilere dönüştürmektir. Bu süreç, yapay zeka için bir bilgi istemi oluşturmayı ve karşılığında sayısal bir dizi almayı içerir. Yaygın olarak "yerleştirme" olarak bilinen şey. Son zamanlarda Vektör Veritabanlarında ve anlamsal aramada bir artış yaşandı.
LangChain'in çözmeye çalıştığı da tam olarak bu iki ana sorundur. Yüksek Lisans'larla etkileşimin ana sorunlarıyla ilgileniyorsanız, bu makaleye göz atabilirsiniz. okuyun.
LangChain, Yüksek Lisans'lar etrafında oluşturulmuş açık kaynaklı bir çerçevedir. Yüksek Lisans odaklı uygulamaların mimarisini kolaylaştıran araçlar, bileşenler ve arayüzlerden oluşan bir cephaneliği masaya getiriyor.
LangChain ile dil modelleriyle etkileşime geçmek, çeşitli bileşenleri birbirine bağlamak ve API'ler ve veritabanları gibi varlıkları birleştirmek çocuk oyuncağı haline gelir. Bu sezgisel çerçeve, LLM uygulama geliştirme yolculuğunu büyük ölçüde basitleştirir.
Uzun Zincirin temel fikri, zincir olarak da bilinen farklı bileşenleri veya modülleri birbirine bağlayarak daha karmaşık LLM destekli çözümler oluşturabilmemizdir.
LangChain'in bazı öne çıkan özellikleri şunlardır:
- Etkileşimlerimizi standartlaştırmak için özelleştirilebilir bilgi istemi şablonları.
- Karmaşık kullanım durumları için özel olarak tasarlanmış zincir bağlantı bileşenleri.
- OpenAI'nin GPT'leri ve HuggingFace Hub'dakiler dahil önde gelen dil modelleriyle kusursuz entegrasyon.
- Herhangi bir özel sorunu veya görevi değerlendirmek için karıştır ve eşleştir yaklaşımına yönelik modüler bileşenler.
Yazara göre resim
LangChain uyarlanabilirliğe ve modüler tasarıma odaklanmasıyla öne çıkıyor.
LangChain'in arkasındaki ana fikir, doğal dil işleme sırasını ayrı parçalara bölerek geliştiricilerin iş akışlarını gereksinimlerine göre özelleştirmelerine olanak sağlamaktır.
Bu çok yönlülük, LangChain'i farklı durumlarda ve endüstrilerde yapay zeka çözümleri oluşturmak için birincil seçenek olarak konumlandırıyor.
En önemli bileşenlerinden bazıları…
Yazara göre resim
1. Yüksek Lisans Dereceleri
Yüksek Lisanslar, insan benzeri metinleri anlamak ve oluşturmak için büyük miktarda eğitim verisinden yararlanan temel bileşenlerdir. LangChain içindeki birçok operasyonun merkezinde yer alırlar ve metin girişini analiz etmek, yorumlamak ve yanıtlamak için gerekli dil işleme yeteneklerini sağlarlar.
Kullanımı: Sohbet robotlarına güç sağlamak, çeşitli uygulamalar için insan benzeri metinler oluşturmak, bilgi alımına yardımcı olmak ve diğer dil işlemlerini gerçekleştirmek
2. Bilgi istemi şablonları
İstemler LLM ile etkileşim için temeldir ve belirli görevler üzerinde çalışırken yapıları benzer olma eğilimindedir. Zincirler arasında kullanılabilen, önceden ayarlanmış istemler olan bilgi istemi şablonları, belirli değerler ekleyerek "istemlerin" standartlaştırılmasına olanak tanır. Bu, herhangi bir LLM'nin uyarlanabilirliğini ve kişiselleştirilmesini geliştirir.
Kullanımı: Yüksek Lisans'larla etkileşim sürecinin standartlaştırılması.
3. Çıkış Ayrıştırıcıları
Çıkış ayrıştırıcıları, ham çıktıyı zincirdeki önceki bir aşamadan alan ve onu yapılandırılmış bir formata dönüştüren bileşenlerdir. Bu yapılandırılmış veriler daha sonra sonraki aşamalarda daha etkin bir şekilde kullanılabilir veya son kullanıcıya yanıt olarak sunulabilir.
Kullanımı: Örneğin, bir sohbet robotunda, bir çıktı ayrıştırıcısı bir dil modelinden ham metin yanıtını alabilir, önemli bilgi parçalarını çıkarabilir ve bunları yapılandırılmış bir yanıt halinde biçimlendirebilir.
4. Bileşenler ve zincirler
LangChain'de her bileşen, dil işleme sırasındaki belirli bir görevden sorumlu bir modül görevi görür. Bu bileşenler formlara bağlanabilir zincirler özelleştirilmiş iş akışları için.
Kullanımı: Belirli bir sohbet robotunda duyarlılık algılama ve yanıt oluşturucu zincirleri oluşturma.
5. hafıza
LangChain'deki bellek, bir iş akışı içindeki bilgiler için depolama ve alma mekanizması sağlayan bir bileşeni ifade eder. Bu bileşen, LLM ile etkileşim sırasında diğer bileşenler tarafından erişilebilen ve değiştirilebilen verilerin geçici veya kalıcı olarak depolanmasına olanak tanır.
Kullanımı: Bu, verilerin işlemenin farklı aşamalarında tutulması gereken senaryolarda kullanışlıdır; örneğin, bağlama duyarlı yanıtlar sağlamak için konuşma geçmişinin bir sohbet robotunda saklanması.
6. Ajanlar
Aracılar, işledikleri verilere dayalı olarak eylem gerçekleştirebilen özerk bileşenlerdir. LangChain iş akışında belirli görevleri gerçekleştirmek için diğer bileşenlerle, harici sistemlerle veya kullanıcılarla etkileşime girebilirler.
Kullanımı: Örneğin, bir aracı kullanıcı etkileşimlerini yönetebilir, gelen istekleri işleyebilir ve uygun yanıtlar oluşturmak için zincir boyunca veri akışını koordine edebilir.
7. Dizinler ve Alıcılar
Dizinler ve Alıcılar, verilerin verimli bir şekilde yönetilmesinde ve erişilmesinde çok önemli bir rol oynar. Dizinler, modelin eğitim verilerinden bilgi ve meta verileri tutan veri yapılarıdır. Öte yandan, alıcılar, belirtilen kriterlere göre ilgili verileri getirmek için bu indekslerle etkileşime giren ve modelin ilgili bağlamı sağlayarak daha iyi yanıt vermesini sağlayan mekanizmalardır.
Kullanımı: Bilgi alma veya soru yanıtlama gibi görevler için gerekli olan büyük bir veri kümesinden ilgili veri veya belgelerin hızlı bir şekilde alınmasında etkilidirler.
8. Belge Transformatörleri
LangChain'de Belge Dönüştürücüleri, belgeleri daha ileri analiz veya işlemeye uygun hale getirecek şekilde işlemek ve dönüştürmek için tasarlanmış özel bileşenlerdir. Bu dönüşümler, metin normalleştirme, özellik çıkarma veya metnin farklı bir formata dönüştürülmesi gibi görevleri içerebilir.
Kullanımı: Makine öğrenimi modelleriyle analiz veya verimli erişim için indeksleme gibi sonraki işleme aşamaları için metin verilerinin hazırlanması.
9. Gömme Modelleri
Metin verilerini yüksek boyutlu bir alanda sayısal vektörlere dönüştürmek için kullanılırlar. Bu modeller, kelimeler ve ifadeler arasındaki anlamsal ilişkileri yakalayarak makine tarafından okunabilir bir gösterime olanak tanır. LangChain ekosistemindeki çeşitli aşağı yönlü Doğal Dil İşleme (NLP) görevlerinin temelini oluştururlar.
Kullanımı: Metnin sayısal bir temsilini sağlayarak anlamsal aramaları, benzerlik karşılaştırmalarını ve diğer makine öğrenimi görevlerini kolaylaştırmak.
10. Vektör mağazaları
Bilgiyi yerleştirme yoluyla depolamak ve aramak konusunda uzmanlaşmış, esasen metin benzeri verilerin sayısal temsillerini analiz eden veritabanı sistemi türü. VectorStore bu yerleştirmeler için bir depolama tesisi olarak hizmet vermektedir.
Kullanımı: Anlamsal benzerliğe dayalı etkili aramaya izin verir.
PIP kullanarak yükleme
Yapmamız gereken ilk şey, ortamımızda LangChain'in kurulu olduğundan emin olmaktır.
pip install langchain
Ortam kurulumu
LangChain'i kullanmak genellikle diğer bileşenlerin yanı sıra çeşitli model sağlayıcılarla, veri depolarıyla, API'lerle entegrasyon anlamına gelir. Ve bildiğiniz gibi her entegrasyonda olduğu gibi ilgili ve doğru API anahtarlarının sağlanması LangChain'in çalışması için çok önemlidir.
OpenAI API'mizi kullanmak istediğimizi düşünün. Bunu iki şekilde kolayca başarabiliriz:
- Anahtarı ortam değişkeni olarak ayarlama
OPENAI_API_KEY="..."
or
import os
os.environ['OPENAI_API_KEY'] = “...”
Bir ortam değişkeni oluşturmamayı seçerseniz OpenAI LLM sınıfını başlatırken anahtarı doğrudan openai_api_key adlı parametre aracılığıyla sağlama seçeneğiniz vardır:
- Anahtarı doğrudan ilgili sınıfa kurun.
from langchain.llms import OpenAI
llm = OpenAI(openai_api_key="...")
Yüksek Lisans'lar arasında geçiş yapmak kolaylaşıyor
LangChain, OpenAI ve Hugging Face gibi farklı dil modeli sağlayıcılarıyla etkileşime girmemize olanak tanıyan bir LLM sınıfı sağlar.
Herhangi bir LLM'nin en temel ve uygulaması en kolay işlevi yalnızca metin oluşturmak olduğundan, herhangi bir LLM'ye başlamak oldukça kolaydır.
Ancak aynı soruyu farklı LLM'lere aynı anda sormak o kadar kolay değil.
LangChain'in devreye girdiği yer burası…
Herhangi bir LLM'nin en kolay işlevselliğine dönersek, LangChain ile bir dize istemi alan ve belirlediğimiz LLM'nin çıktısını döndüren bir uygulamayı kolayca oluşturabiliriz.
Yazara göre Kod
Basitçe aynı istemi kullanabilir ve birkaç satır kodla iki farklı modelin yanıtını alabiliriz!
Yazara göre Kod
Etkileyici… değil mi?
Bilgi istemi şablonlarıyla bilgi istemlerimize yapı kazandırmak
Dil Modelleriyle (LLM'ler) ilgili yaygın bir sorun, karmaşık uygulamaları ilerletememeleridir. LangChain, yapay zekanın kişiliğinin ana hatlarını çizmeyi ve gerçek doğruluğu sağlamayı gerektirdiği için genellikle bir görevi tanımlamaktan daha karmaşık olan istem oluşturma sürecini kolaylaştıracak bir çözüm sunarak bu sorunu çözüyor. Bunun önemli bir kısmı tekrarlayan standart metinleri içerir. LangChain, yeni bilgi istemlerine ortak metinleri otomatik olarak ekleyen bilgi istemi şablonları sunarak bu durumu hafifletir, böylece bilgi istemi oluşturmayı basitleştirir ve farklı görevler arasında tutarlılık sağlar.
Yazara göre Kod
Çıkış ayrıştırıcılarıyla yapılandırılmış yanıtlar alma
Sohbete dayalı etkileşimlerde modelin çıktısı yalnızca metindir. Ancak yazılım uygulamalarında, daha ileri programlama eylemlerine izin verdiği için yapılandırılmış bir çıktıya sahip olmak tercih edilir. Örneğin bir veri seti oluşturulurken cevabın CSV veya JSON gibi spesifik bir formatta alınması istenmektedir. Yapay zekadan tutarlı ve uygun şekilde biçimlendirilmiş bir yanıt elde etmek için bir istemin hazırlanabileceğini varsayarsak, bu çıktıyı yönetecek araçlara ihtiyaç vardır. LangChain, yapılandırılmış çıktıyı etkili bir şekilde işlemek ve kullanmak için çıktı ayrıştırma araçları sunarak bu gereksinimi karşılar.
Yazara göre Kod
Kodumun tamamını kontrol edebilirsin GitHub.
Kısa bir süre önce ChatGPT'nin gelişmiş yetenekleri bizi hayrete düşürmüştü. Ancak teknolojik ortam sürekli değişiyor ve artık LangChain gibi araçlar parmaklarımızın ucunda, kişisel bilgisayarlarımızdan yalnızca birkaç saat içinde olağanüstü prototipler oluşturmamıza olanak tanıyor.
Ücretsiz olarak kullanılabilen bir Python platformu olan LangChain, kullanıcılara Yüksek Lisans (Language Model Models) tarafından desteklenen uygulamalar geliştirmeleri için bir araç sağlar. Bu platform, çeşitli temel modellere esnek bir arayüz sunarak, anlık yönetimi kolaylaştırıyor ve mevcut belgelerden itibaren bilgi istemi şablonları, daha fazla LLM'ler, harici bilgiler ve aracılar aracılığıyla diğer kaynaklar gibi öğeler için bir bağlantı noktası görevi görüyor.
Sohbet robotlarını, dijital asistanları, dil çeviri araçlarını ve duygu analizi araçlarını hayal edin; tüm bu LLM özellikli uygulamalar LangChain ile hayat buluyor. Geliştiriciler, farklı gereksinimleri karşılayan özel olarak tasarlanmış dil modeli çözümleri oluşturmak için bu platformu kullanır.
Doğal dil işlemenin ufku genişledikçe ve benimsenmesi derinleştikçe, uygulama alanı sınırsız görünmektedir.
Josep Ferrer Barselona'dan bir analitik mühendisidir. Fizik mühendisliğinden mezun oldu ve şu anda insan hareketliliğine uygulanan Veri Bilimi alanında çalışıyor. Veri bilimi ve teknolojisine odaklanan yarı zamanlı bir içerik oluşturucudur. onunla iletişime geçebilirsin LinkedIn, Twitter or Orta.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://www.kdnuggets.com/how-to-make-large-language-models-play-nice-with-your-software-using-langchain?utm_source=rss&utm_medium=rss&utm_campaign=how-to-make-large-language-models-play-nice-with-your-software-using-langchain
- :vardır
- :dır-dir
- :olumsuzluk
- :Neresi
- $UP
- 7
- a
- kabiliyet
- erişilen
- erişme
- başarmak
- doğruluk
- karşısında
- oyunculuk
- eylemler
- eylemler
- ekleme
- adres
- adresleri
- adresleme
- Benimseme
- ileri
- Danışman
- ajanları
- önce
- AI
- AI destekli
- Türkiye
- izin vermek
- Izin
- veriyor
- zaten
- Ayrıca
- arasında
- tutarları
- an
- analiz
- analytics
- çözümlemek
- analiz
- demirli
- ve
- herhangi
- api
- API'ler
- Uygulama
- Uygulama Geliştirme
- uygulamaları
- uygulamalı
- yaklaşım
- uygun
- mimari
- ARE
- etrafında
- Dizi
- Cephanelik
- göre
- yapay
- yapay zeka
- AS
- soran
- belirlemek
- Varlıklar
- yardımcıları
- At
- özerk
- mevcut
- HUŞU
- Arka
- Barcelona
- merkezli
- temel
- BE
- müşterimiz
- olur
- olmuştur
- arkasında
- Daha iyi
- arasında
- Sınırsız
- Kırma
- kısaca
- Getiriyor
- inşa etmek
- bina
- yapılı
- by
- CAN
- yetenekleri
- yetenekli
- ele geçirmek
- dava
- durumlarda
- hitap eder
- mağara
- zincir
- zincirler
- chatbot
- chatbots
- ChatGPT
- sohbet
- Kontrol
- seçim
- Klinik
- sınıf
- kod
- tutarlı
- nasıl
- ortak
- çoğunlukla
- Yakın İletişim
- karşılaştırmalar
- karmaşık
- bileşen
- bileşenler
- bilgisayarlar
- Sosyal medya
- bağlı
- tutarlı
- UAF ile
- içerik
- bağlam
- konuşma
- Dönüştürme
- dönüştürmek
- dönüştürme
- koordinat
- çekirdek
- doğru
- zanaat
- hazırlanmış
- yaratmak
- Oluşturma
- oluşturma
- yaratıcı
- kriterleri
- çok önemli
- akım
- Şu anda
- özelleştirme
- özelleştirmek
- özelleştirilmiş
- veri
- veri bilimi
- veri kümeleri
- veritabanı
- veritabanları
- derinleşir
- tanımlarken
- teslim edilen
- sağlıyor
- Dizayn
- belirlenen
- tasarlanmış
- İstediğiniz
- Bulma
- geliştirmek
- geliştiriciler
- gelişme
- Cihaz
- farklı
- dijital
- direkt
- direkt olarak
- farketmek
- farklı
- seçkin
- çeşitli
- do
- belge
- belgeleme
- evraklar
- aşağı
- sırasında
- her
- kolay
- kolayca
- kolay
- ekosistem
- etkili bir şekilde
- verimli
- verimli biçimde
- elemanları
- katıştırma
- etkinleştirme
- son
- çekici
- mühendis
- Mühendislik
- Geliştirir
- muazzam
- sağlanması
- çevre
- kızıştırmak
- gerekli
- esasen
- kurmak
- Eter (ETH)
- sürekli değişen
- örnek
- genişletir
- deneyimli
- Açıklamak
- dış
- çıkarmak
- çıkarma
- Yüz
- Tesis
- gerçek
- Özellikler(Hazırlık aşamasında)
- Özellikler
- az
- alan
- parmak uçları
- Ad
- esnek
- akış
- sıvı
- odak
- odaklanmış
- İçin
- Airdrop Formu
- biçim
- vakıf
- Temel
- iskelet
- serbestçe
- itibaren
- işlevsellik
- temel
- daha fazla
- oluşturmak
- üreten
- nesil
- üretken
- üretken yapay zeka
- jeneratör
- almak
- alma
- Go
- Google'ın
- kavramak
- el
- sap
- kullanma
- Var
- sahip olan
- he
- onu
- tarih
- tutma
- ufuk
- SAAT
- Ne kadar
- Nasıl Yapılır
- HTTPS
- merkez
- SarılmaYüz
- insan
- Ben
- Fikir
- if
- ithalat
- önemli
- in
- yetersizlik
- dahil
- Dahil olmak üzere
- Gelen
- birleşmeyle
- indeksler
- bireysel
- Endüstri
- bilgi
- başlatılması
- giriş
- kurmak
- örnek
- enstrümental
- Bütünleştirme
- bütünleşme
- entegrasyonlar
- İstihbarat
- etkileşim
- etkileşim
- etkileşim
- etkileşimleri
- ilgili
- arayüzey
- arayüzler
- birbirine bağlama
- içine
- karmaşık
- sezgisel
- içerir
- konu
- IT
- ONUN
- seyahat
- json
- sadece
- KDNuggets
- anahtar
- anahtarlar
- Kicks
- Bilmek
- bilinen
- manzara
- dil
- büyük
- önemli
- öğrenme
- sol
- Kaldıraç
- hayat
- sevmek
- hatları
- LINK
- yaşayan
- lama
- Uzun
- makine
- makine öğrenme
- Ana
- yapmak
- YAPAR
- yönetmek
- yönetilen
- yönetme
- manipüle
- çok
- Pazarlama
- Mayıs..
- anlamına geliyor
- mekanizma
- mekanizmaları
- sadece
- Metadata
- yöntem
- olabilir
- hareketlilik
- model
- modelleri
- modüler
- modül
- Modüller
- Daha
- çoğu
- my
- adlı
- yerli
- Doğal (Madenden)
- Doğal lisan
- Doğal Dil İşleme
- gerekli
- gerek
- ihtiyaçlar
- yeni
- haber
- rabıta
- güzel
- nlp
- şimdi
- of
- teklif
- sık sık
- on
- bir Zamanlar
- açık kaynak
- OpenAI
- operasyon
- Operasyon
- seçenek
- or
- OS
- Diğer
- bizim
- özetleyen
- çıktı
- çıkışlar
- ödenmemiş
- parametre
- Bölüm
- belirli
- parçalar
- desen
- İnsanlar
- yapmak
- icra
- kişisel
- Kişisel bilgisayarlar
- ifadeler
- Fizik
- parçalar
- platform
- Platon
- Plato Veri Zekası
- PlatoVeri
- OYNA
- şiir
- pozisyonları
- potansiyel
- tam
- Tercih edilir
- asal
- Sorun
- sorunlar
- süreç
- işleme
- üretmek
- Programlama
- istemleri
- prototipler
- sağlamak
- sağlayıcılar
- sağlar
- sağlama
- Python
- soru
- hızla
- oldukça
- Çiğ
- alan
- alma
- son
- ifade eder
- İlişkiler
- uygun
- tekrarlayan
- cevap
- temsil
- isteklerinizi
- gerektirir
- gereklilik
- Yer Alan Kurallar
- gerektirir
- Kaynaklar
- Yanıtlamak
- yanıt
- yanıtları
- sorumlu
- muhafaza
- dönüş
- İade
- devrim
- krallar gibi yaşamaya
- Rol
- s
- aynı
- senaryolar
- Bilim
- Bilim ve Teknoloji
- scriptler
- Ara
- aramalar
- Sektörler
- görünüyor
- gönderme
- duygu
- Dizi
- vermektedir
- set
- Setleri
- ayar
- önemli
- benzer
- basitleştirir
- basitleştirilmesi
- sadece
- durumlar
- So
- Yazılım
- çözüm
- Çözümler
- biraz
- sofistike
- uzay
- özel
- uzmanlaşmış
- özel
- Belirtilen
- Aşama
- aşamaları
- standardizasyon
- başladı
- Yine
- hafızası
- mağaza
- mağaza
- kolaylaştırmak
- düzene
- dizi
- yapı
- yapılandırılmış
- yapılar
- sonraki
- esasen
- böyle
- uygun
- tedarik
- elbette
- dalgalanma
- sistem
- Sistemler
- tablo
- ısmarlama
- Bizi daha iyi tanımak için
- alma
- konuşma
- Görev
- görevleri
- teknolojik
- Teknoloji
- şablonları
- geçici
- eğilimi
- metin
- metinsel
- göre
- o
- The
- ve bazı Asya
- Onları
- sonra
- Orada.
- Bunlar
- onlar
- şey
- Re-Tweet
- Bu
- gerçi?
- İçinden
- Böylece
- için
- bugün
- birlikte
- araçlar
- Eğitim
- Dönüştürmek
- dönüşümler
- transformatörler
- Çeviri
- öğretici
- iki
- tipik
- anlamak
- anlayış
- kullanılmayan
- us
- kullanılabilir
- kullanım
- Kullanılmış
- kullanıcı
- kullanıcılar
- kullanma
- kamu hizmetleri
- kullanmak
- Değerler
- değişken
- çeşitlilik
- çeşitli
- Geniş
- çok yönlülük
- çok
- üzerinden
- istemek
- Yol..
- yolları
- we
- Ne
- Nedir
- ne zaman
- hangi
- bütün
- geniş
- ile
- içinde
- merak ediyorum
- sözler
- iş akışı
- iş akışları
- çalışma
- henüz
- sen
- zefirnet