Генеративні рішення ШІ мають потенціал для трансформації бізнесу шляхом підвищення продуктивності та покращення взаємодії з клієнтами, і використання великих мовних моделей (LLM) у цих рішеннях стає все більш популярним. Побудувати докази концепції відносно просто, тому що це найсучасніше моделі фундаменту доступні від спеціалізованих постачальників через простий виклик API. Тому організації різного розміру та в різних галузях почали переглядати свої продукти та процеси за допомогою генеративного ШІ.
Незважаючи на багатство загальних знань, найсучасніші магістри права мають доступ лише до інформації, на якій вони навчалися. Це може призвести до фактичних неточностей (галюцинацій), коли LLM буде запропоновано створити текст на основі інформації, яку він не бачив під час навчання. Тому вкрай важливо подолати розрив між загальними знаннями LLM і вашими власними даними, щоб допомогти моделі генерувати точніші та контекстні відповіді, одночасно зменшуючи ризик галюцинацій. Традиційний метод тонкого налаштування, хоча й ефективний, може бути інтенсивним, дорогим і вимагає технічних знань. Інший варіант для розгляду називається Доповнена генерація пошуку (RAG), який надає магістрам права додаткову інформацію із зовнішнього джерела знань, яку можна легко оновлювати.
Крім того, підприємства повинні забезпечувати безпеку даних під час обробки службових і конфіденційних даних, таких як особисті дані або інтелектуальна власність. Це особливо важливо для організацій, які працюють у жорстко регульованих галузях, таких як фінансові послуги, охорона здоров’я та науки про життя. Тому важливо розуміти та контролювати потік ваших даних через генеративну програму штучного інтелекту: де знаходиться модель? Де обробляються дані? Хто має доступ до даних? Чи використовуватимуться ці дані для навчання моделей, що врешті-решт загрожує витоком конфіденційних даних для публічних LLM?
У цьому дописі обговорюється, як підприємства можуть створювати точні, прозорі та безпечні генеративні програми штучного інтелекту, зберігаючи при цьому повний контроль над власними даними. Пропоноване рішення — це конвеєр RAG, що використовує власний технологічний стек штучного інтелекту, компоненти якого розроблені з нуля з використанням штучного інтелекту в основі, а не з додаванням можливостей штучного інтелекту. Ми демонструємо, як створити наскрізну програму RAG за допомогою Мовні моделі Когера через Amazon Bedrock і Векторна база даних Weaviate на AWS Marketplace. Супровідний вихідний код доступний у пов’язаний репозиторій GitHub організовано Weaviate. Хоча AWS не несе відповідальності за підтримку або оновлення коду в репозиторії партнера, ми рекомендуємо клієнтам зв’язуватися безпосередньо з Weaviate щодо будь-яких бажаних оновлень.
Огляд рішення
Наступна діаграма високорівневої архітектури ілюструє запропонований конвеєр RAG зі стеком власних технологій ШІ для створення точних, прозорих і безпечних генеративних рішень ШІ.
На етапі підготовки до робочого процесу RAG векторна база даних, яка служить зовнішнім джерелом знань, поглинається з додатковим контекстом із власних даних. Фактичний робочий процес RAG складається з чотирьох кроків, зображених на схемі:
- Користувач вводить свій запит.
- Запит користувача використовується для отримання відповідного додаткового контексту з векторної бази даних. Це робиться шляхом генерації векторних вбудовувань запиту користувача з моделлю вбудовування для виконання векторного пошуку для отримання найбільш релевантного контексту з бази даних.
- Отриманий контекст і запит користувача використовуються для доповнення шаблону запиту. Підказка з доповненим пошуком допомагає LLM генерувати більш відповідне та точне завершення, мінімізуючи галюцинації.
- Користувач отримує більш точну відповідь на свій запит.
Набір технологій штучного інтелекту, зображений на діаграмі архітектури, складається з двох ключових компонентів: моделі мови Cohere та векторної бази даних Weaviate.
Мовні моделі Cohere в Amazon Bedrock
Команда Платформа Cohere надає підприємствам і розробникам мовні моделі з найсучаснішою продуктивністю через простий виклик API. Платформа Cohere надає два ключових типи можливостей обробки мови — генеративні та вбудовані — і кожна з них обслуговується окремим типом моделі:
- Генерація тексту з Command – Розробники можуть отримати доступ до кінцевих точок, які забезпечують генеративні можливості штучного інтелекту, забезпечуючи такі програми, як розмова, відповіді на запитання, копірайтинг, узагальнення, витяг інформації тощо.
- Представлення тексту з Вставляти – Розробники можуть отримати доступ до кінцевих точок, які фіксують семантичне значення тексту, що дозволяє використовувати такі програми, як векторні пошукові системи, класифікація тексту та кластеризація тощо. Cohere Embed доступний у двох формах: англомовна та багатомовна тепер доступний на Amazon Bedrock.
Платформа Cohere дає можливість підприємствам конфіденційно та безпечно налаштовувати свої генеративні рішення ШІ за допомогою розгортання Amazon Bedrock. Amazon Bedrock — це повністю керований хмарний сервіс, який дозволяє командам розробників швидко створювати та масштабувати генеративні програми ШІ допомагаючи зберегти ваші дані та програми в безпеці та конфіденційності. Ваші дані не використовуються для покращення послуг, ніколи не передаються стороннім постачальникам моделей і залишаються в область де обробляється виклик API. Дані завжди шифруються під час передачі та в стані спокою, і ви можете зашифрувати дані за допомогою власних ключів. Amazon Bedrock відповідає вимогам безпеки, зокрема вимогам Закону США про перенесення та підзвітність медичного страхування (HIPAA) і відповідності Загальному регламенту захисту даних (GDPR). Крім того, ви можете безпечно інтегрувати та легко розгортати свої генеративні програми ШІ за допомогою інструментів AWS, з якими ви вже знайомі.
Векторна база даних Weaviate на AWS Marketplace
Плетіти є ШІ-рідний векторна база даних це спрощує команди розробників створення безпечних і прозорих генеративних програм ШІ. Weaviate використовується для зберігання та пошуку як векторних даних, так і вихідних об’єктів, що спрощує розробку, усуваючи необхідність розміщення та інтеграції окремих баз даних. Weaviate забезпечує продуктивність семантичного пошуку за секунди та може масштабуватися для обробки мільярдів векторів і мільйонів клієнтів. Завдяки унікальній розширюваній архітектурі Weaviate інтегрується з основними моделями Cohere, розгорнутими в Amazon Bedrock, щоб полегшити зручну векторизацію даних і використовувати її генеративні можливості з бази даних.
Вбудована векторна база даних Weaviate зі штучним інтелектом дає клієнтам можливість розгортати її як власну хмару (BYOC) або як керовану службу. Ця вітрина використовує Кластер Weaviate Kubernetes на AWS Marketplace, що є частиною пропозиції BYOC від Weaviate, яка дозволяє масштабоване розгортання на основі контейнерів у вашому клієнті AWS і VPC лише кількома клацаннями миші за допомогою AWS CloudFormation шаблон. Цей підхід гарантує, що ваша векторна база даних розгортається у вашому конкретному регіоні поблизу базових моделей і власних даних, щоб мінімізувати затримку, підтримувати локальність даних і захищати конфіденційні дані, дотримуючись потенційних нормативних вимог, таких як GDPR.
Огляд варіантів використання
У наступних розділах ми демонструємо, як створити рішення RAG, використовуючи стек власних технологій ШІ з Cohere, AWS і Weaviate, як показано в огляді рішення.
Приклад використання генерує цільову рекламу для списків відпустки на основі цільової аудиторії. Мета полягає в тому, щоб використати запит користувача для цільової аудиторії (наприклад, «сім’я з маленькими дітьми»), щоб отримати найрелевантніший список місць для відпочинку (наприклад, список із дитячими майданчиками поблизу), а потім створити рекламу для отриманий список, адаптований до цільової аудиторії.
Набір даних доступний з Всередині Airbnb і має ліцензію під a Міжнародна ліцензія Creative Commons Attribution 4.0. Ви можете знайти супровідний код у GitHub сховище.
Передумови
Щоб слідувати та використовувати будь-які служби AWS у наступному посібнику, переконайтеся, що у вас є Обліковий запис AWS.
Увімкніть компоненти стеку власних технологій ШІ
По-перше, вам потрібно ввімкнути відповідні компоненти, описані в огляді рішення, у вашому обліковому записі AWS. Виконайте наступні дії:
- У лівій Консоль Amazon Bedrockвиберіть Доступ до моделі у навігаційній панелі.
- Вибирати Керуйте доступом до моделі у верхньому правому куті.
- Виберіть моделі основи на свій вибір і подайте запит на доступ.
Далі ви налаштовуєте кластер Weaviate.
- Підписатися на Кластер Weaviate Kubernetes на AWS Marketplace.
- Запустіть програмне забезпечення за допомогою a Шаблон CloudFormation відповідно до вашої бажаної зони доступності.
Шаблон CloudFormation попередньо заповнюється значеннями за замовчуванням.
- для Назва стека, введіть назву стека.
- для helmauthenticationtype, рекомендується ввімкнути автентифікацію, налаштувавши
helmauthenticationtype
доapikey
і визначення a helmauthenticationapikey. - для helmauthenticationapikey, введіть свій ключ API Weaviate.
- для helmchartversion, введіть номер вашої версії. Він має бути принаймні v.16.8.0. Зверніться до GitHub репо для останньої версії.
- для helmenabledmodules, переконайтесь
tex2vec-aws
таgenerative-aws
присутні в списку активованих модулів у Weaviate.
На створення цього шаблону потрібно близько 30 хвилин.
Підключіться до Weaviate
Щоб підключитися до Weaviate, виконайте такі кроки:
- У Консоль Amazon SageMaker, перейдіть до Екземпляри ноутбуків на панелі навігації через ноутбук > Екземпляри ноутбуків зліва.
- Створіть новий екземпляр блокнота.
- Встановіть пакет клієнта Weaviate із необхідними залежностями:
- Підключіться до свого екземпляра Weaviate за допомогою такого коду:
- Weaviate URL – Доступ до Weaviate через URL балансувальника навантаження. В Обчислювальна хмара Amazon Elastic (Amazon EC2) консоль, вибирайте Балансири навантаження на панелі навігації та знайдіть балансир навантаження. Знайдіть стовпець імені DNS і додайте
http://
перед ним. - Ключ API Weaviate – Це ключ, який ви встановили раніше в шаблоні CloudFormation (
helmauthenticationapikey
). - Ключ доступу до AWS і секретний ключ доступу – Ви можете отримати ключ доступу та секретний ключ доступу для свого користувача в Управління ідентифікацією та доступом AWS (IAM) консоль.
Налаштуйте модуль Amazon Bedrock, щоб увімкнути моделі Cohere
Далі ви визначаєте колекцію даних (class
) називається Listings
для зберігання об’єктів даних списків, що аналогічно створенню таблиці в реляційній базі даних. На цьому кроці ви налаштовуєте відповідні модулі, щоб увімкнути використання мовних моделей Cohere, розміщених на Amazon Bedrock, із векторної бази даних Weaviate. Векторизатор ("text2vec-aws
“) і генеративний модуль (“generative-aws
“) зазначені у визначенні збору даних. Обидва ці модулі приймають три параметри:
- "Послуга" – Використовуйте "
bedrock
» для Amazon Bedrock (або використовуйте «sagemaker
"Для Amazon SageMaker JumpStart) - «Регіон» – Введіть регіон, де розгорнуто вашу модель
- "Модель" – Вкажіть назву моделі фундаменту
Дивіться наступний код:
Введіть дані у векторну базу даних Weaviate
На цьому кроці ви визначаєте структуру колекції даних, налаштовуючи її властивості. Окрім назви властивості та типу даних, ви також можете налаштувати, чи буде зберігатися лише об’єкт даних, чи він зберігатиметься разом із його вбудованими векторами. У цьому прикладі host_name
та property_type
не векторизовані:
Запустіть наступний код, щоб створити колекцію у своєму екземплярі Weaviate:
Тепер ви можете додавати об’єкти до Weaviate. Ви використовуєте процес пакетного імпорту для максимальної ефективності. Запустіть наступний код, щоб імпортувати дані. Під час імпорту Weaviate використовуватиме визначений векторизатор для створення векторного вбудовування для кожного об’єкта. Наступний код завантажує об’єкти, ініціалізує пакетний процес і додає об’єкти до цільової колекції по одному:
Доповнена генерація пошуку
Ви можете створити конвеєр RAG, реалізувавши генеративний пошуковий запит у своєму екземплярі Weaviate. Для цього ви спочатку визначаєте шаблон підказки у формі f-рядка, який може прийняти запит користувача ({target_audience}
) безпосередньо та додатковий контекст ({{host_name}}
, {{property_type}}
, {{description}}
та {{neighborhood_overview}}
) з векторної бази даних під час виконання:
Далі ви запускаєте генеративний пошуковий запит. Це підказує визначену генеративну модель із підказкою, яка складається із запиту користувача, а також отриманих даних. Наступний запит отримує один об’єкт списку (.with_limit(1)
) З Listings
колекція, яка найбільше схожа на запит користувача (.with_near_text({"concepts": target_audience})
). Потім запит користувача (target_audience
) і отримані властивості списків (["description", "neighborhood", "host_name", "property_type"]
) вводяться в шаблон підказки. Перегляньте наступний код:
У наступному прикладі ви бачите, що попередній фрагмент коду для target_audience = “Family with small children”
отримує список із хосту Marre. Шаблон підказки доповнено деталями списку Marre та цільовою аудиторією:
На основі підказки, доповненої пошуком, модель Cohere Command генерує таке цільове оголошення:
Альтернативні налаштування
Ви можете зробити альтернативні налаштування для різних компонентів у запропонованому рішенні, як-от:
- Мовні моделі Cohere також доступні через Amazon SageMaker JumpStart, який надає доступ до найсучасніших базових моделей і дозволяє розробникам розгортати LLM на Amazon SageMaker, повністю керований сервіс, який об’єднує широкий набір інструментів для забезпечення високопродуктивного та недорогого машинного навчання для будь-яких випадків використання. Weaviate також інтегровано з SageMaker.
- Потужним доповненням до цього рішення є Кінцева точка Cohere Rerank, доступний через SageMaker JumpStart. Переранжування може покращити релевантність результатів пошуку лексичного або семантичного пошуку. Переранжування працює шляхом обчислення балів семантичної релевантності для документів, які отримує пошукова система, і ранжування документів на основі цих балів. Щоб додати Rerank до програми, потрібно змінити лише один рядок коду.
- Щоб задовольнити різні вимоги до розгортання в різних виробничих середовищах, Weaviate можна розгортати різними додатковими способами. Наприклад, він доступний для прямого завантаження з Веб-сайт Weaviate, який працює далі Послуга Amazon Elastic Kubernetes (Amazon EKS) або локально через Docker or Кубернетес. Він також доступний як a керованої служби який може безпечно працювати в межах VPC або як загальнодоступний хмарний сервіс, розміщений на AWS, з 14-денною безкоштовною пробною версією.
- Ви можете обслуговувати своє рішення у VPC за допомогою Віртуальна приватна хмара Amazon (Amazon VPC), що дозволяє організаціям запускати служби AWS у логічно ізольованій віртуальній мережі, схожій на традиційну мережу, але з перевагами масштабованої інфраструктури AWS. Залежно від класифікованого рівня чутливості даних організації також можуть вимкнути доступ до Інтернету в цих VPC.
Прибирати
Щоб запобігти неочікуваним стягненням плати, видаліть усі ресурси, які ви розгорнули в рамках цієї публікації. Якщо ви запустили стек CloudFormation, ви можете видалити його за допомогою консолі AWS CloudFormation. Зауважте, що можуть бути деякі ресурси AWS, наприклад Магазин еластичних блоків Amazon (Amazon EBS) обсяги і Служба управління ключами AWS (AWS KMS), які можуть не видалятися автоматично, коли видаляється стек CloudFormation.
Висновок
У цьому дописі обговорювалося, як підприємства можуть створювати точні, прозорі та безпечні генеративні програми ШІ, маючи при цьому повний контроль над своїми даними. Пропоноване рішення — це конвеєр RAG, що використовує власний стек технологій ШІ як комбінацію базових моделей Cohere в Amazon Bedrock і векторної бази даних Weaviate на AWS Marketplace. Підхід RAG дозволяє підприємствам подолати розрив між загальними знаннями LLM і власними даними, мінімізуючи галюцинації. Технологічний стек штучного інтелекту забезпечує швидку розробку та масштабовану продуктивність.
Ви можете почати експериментувати з RAG-доказами концепції для своїх корпоративних генеративних програм AI, виконавши кроки, описані в цій публікації. Супровідний вихідний код доступний у пов’язаний репозиторій GitHub. Дякую, що прочитали. Не соромтеся залишати коментарі або відгуки в розділі коментарів.
Про авторів
Джеймс І є старшим архітектором партнерських рішень AI/ML у технічній команді технологічних партнерів COE в Amazon Web Services. Він захоплений роботою з корпоративними клієнтами та партнерами над розробкою, розгортанням і масштабуванням додатків штучного інтелекту/ML для підвищення ефективності бізнесу. Поза роботою він любить грати у футбол, подорожувати та проводити час із сім’єю.
Леоні Монігатті є захисником розробників у Weaviate. Її сфера уваги – AI/ML, і вона допомагає розробникам дізнатися про генеративний AI. Поза роботою вона також ділиться своїми знаннями з науки про дані та машинного навчання у своєму блозі та на Kaggle.
Меор амер є захисником розробників у Cohere, постачальнику передових технологій обробки природної мови (NLP). Він допомагає розробникам створювати передові програми за допомогою великих мовних моделей Cohere (LLM).
Шунь Мао є старшим архітектором партнерських рішень AI/ML у команді нових технологій Amazon Web Services. Він захоплений роботою з корпоративними клієнтами та партнерами над розробкою, розгортанням і масштабуванням додатків штучного інтелекту/ML, щоб отримати їхні бізнес-цінності. Поза роботою він любить рибалити, подорожувати та грати в пінг-понг.
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
- PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
- ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
- PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
- джерело: 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/
- : має
- :є
- : ні
- :де
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 16
- 17
- 19
- 23
- 30
- 32
- 33
- 7
- 8
- 9
- a
- МЕНЮ
- доступ
- управління доступом
- За
- рахунки
- підзвітність
- точний
- через
- Діяти
- фактичний
- додавати
- доданий
- додати
- доповнення
- Додатковий
- Додаткова інформація
- Додатково
- адресація
- Додає
- дорослих
- реклама
- адвокат
- AI
- AI / ML
- Airbnb
- ВСІ
- дозволяє
- по
- вже
- Також
- альтернатива
- хоча
- завжди
- Amazon
- Amazon EC2
- Amazon SageMaker
- Amazon Web Services
- Амстердам
- an
- та
- Інший
- відповідь
- будь-який
- API
- додаток
- застосування
- підхід
- архітектура
- ЕСТЬ
- ПЛОЩА
- області
- AS
- aside
- At
- пам'ятки
- аудиторія
- збільшення
- збільшено
- Authentication
- автоматично
- наявність
- доступний
- геть
- AWS
- AWS CloudFormation
- AWS Identity and Access Management (IAM)
- Торговий майданчик AWS
- свінг
- бари
- заснований
- BE
- оскільки
- ставати
- почався
- Переваги
- КРАЩЕ
- між
- мільярди
- Блокувати
- Блог
- підвищення
- обидва
- BRIDGE
- Приносить
- широкий
- будувати
- Створюємо
- бізнес
- підприємства
- але
- by
- кафе
- call
- званий
- CAN
- можливості
- захоплення
- випадок
- догоджати
- центральний
- центр
- зміна
- вантажі
- діти
- вибір
- Вибирати
- Місто
- клас
- класифікація
- класифікований
- клієнт
- близько
- хмара
- кластер
- Кластеризація
- код
- збір
- Колонка
- поєднання
- Приходити
- приходить
- коментарі
- Commons
- повний
- завершення
- дотримання
- Компоненти
- У складі
- обчислення
- обчислення
- концепція
- поняття
- конфігурування
- З'єднуватися
- Вважати
- Консоль
- контекст
- контекстуальний
- контроль
- Зручний
- зручно
- діалоговий
- Копірайтинг
- Core
- створювати
- створення
- вирішальне значення
- клієнт
- Клієнти
- налаштувати
- передовий
- дані
- захист даних
- наука про дані
- безпеку даних
- Database
- базами даних
- дефолт
- визначати
- певний
- визначаючи
- визначення
- постачає
- демонструвати
- залежно
- Залежно
- розгортання
- розгорнути
- розгортання
- дрейф
- description
- дизайн
- призначений
- бажаний
- деталі
- Розробник
- розробників
- розробка
- команди розробників
- різний
- обідній
- прямий
- безпосередньо
- обговорювалися
- DNS
- документація
- зроблений
- скачати
- під час
- кожен
- Раніше
- легко
- відливи
- Ефективний
- ефективність
- піднесений
- права
- усуваючи
- Вставляти
- вбудовування
- з'являються
- новітні технології
- повноваження
- включіть
- включений
- дозволяє
- дозволяє
- заохочувати
- зашифрованих
- кінець в кінець
- кінцеві точки
- Двигуни
- англійська
- забезпечувати
- гарантує
- Що натомість? Створіть віртуальну версію себе у
- підприємство
- корпоративні клієнти
- підприємств
- Входить
- Весь
- середовищах
- Ефір (ETH)
- врешті-решт
- приклад
- дорогий
- досвід
- Досліди
- експертиза
- зовнішній
- видобуток
- фасилітувати
- Фактичні
- знайомий
- сім'я
- ШВИДКО
- риси
- Показуючи
- Fed
- зворотний зв'язок
- почувати
- кілька
- філе
- фінансовий
- фінансові послуги
- знайти
- Перший
- рибальський
- Гнучкість
- Поверх
- потік
- Сфокусувати
- стежити
- після
- слідує
- для
- форма
- форми
- фонд
- чотири
- Безкоштовна
- безкоштовне випробування
- від
- перед
- Повний
- повністю
- далі
- розрив
- GDPR
- Загальне
- загальні дані
- Положення про захист персональних даних Загальні
- породжувати
- генерує
- породжує
- покоління
- генеративний
- Генеративний ШІ
- генеративна модель
- GitHub
- дає
- мета
- Земля
- Group
- Половина
- обробляти
- Обробка
- Мати
- має
- he
- Тема
- здоров'я
- медичне страхування
- охорона здоров'я
- Серце
- сильно
- допомога
- допомогу
- допомагає
- її
- на вищому рівні
- висока продуктивність
- його
- Головна
- господар
- відбувся
- Як
- How To
- HTTP
- HTTPS
- IAM
- Особистість
- управління ідентифікацією та доступом
- Управління ідентифікацією та доступом (IAM)
- if
- ілюструє
- реалізації
- імпорт
- важливо
- удосконалювати
- поліпшення
- поліпшення
- in
- У тому числі
- все більше і більше
- промисловості
- інформація
- вилучення інформації
- Інфраструктура
- всередині
- встановлювати
- екземпляр
- страхування
- інтегрувати
- інтегрований
- Інтеграція
- інтелектуальний
- інтелектуальна власність
- Міжнародне покриття
- інтернет
- Доступ в інтернет
- в
- ізольований
- IT
- ЙОГО
- JPG
- просто
- тримати
- зберігання
- ключ
- ключі
- Діти
- знання
- Кубернетес
- мова
- великий
- Затримка
- останній
- запуск
- запущений
- вести
- Веде за собою
- витік
- УЧИТЬСЯ
- вивчення
- найменш
- залишити
- рівень
- Ліцензований
- життя
- Life Sciences
- Лінія
- список
- список
- оголошення
- життя
- загрузка
- вантажі
- місцевий
- локально
- розташований
- розташування
- подивитися
- шукати
- недорогий
- машина
- навчання за допомогою машини
- збереження
- зробити
- РОБОТИ
- управляти
- вдалося
- управління
- ринку
- майстер
- максимальний
- Може..
- сенс
- засоби
- пам'яті
- метод
- мільйони
- мінімізувати
- мінімізація
- протокол
- ML
- модель
- Моделі
- Модулі
- Модулі
- більше
- найбільш
- повинен
- ім'я
- спочатку
- Природний
- Природна мова
- Обробка природних мов
- Переміщення
- навігація
- Необхідність
- мережу
- ніколи
- Нові
- nlp
- немає
- увагу
- ноутбук
- зараз
- номер
- об'єкт
- об'єкти
- of
- пропонувати
- пропонує
- on
- ONE
- тільки
- операційний
- варіант
- or
- організації
- Інше
- наші
- викладені
- поза
- над
- огляд
- власний
- пакет
- оплачувану
- панди
- pane
- параметри
- парковка
- частина
- особливо
- партнер
- партнери
- пристрасний
- ідеальний
- виконувати
- продуктивність
- персонал
- особисті дані
- частина
- трубопровід
- місце
- платформа
- plato
- Інформація про дані Платона
- PlatoData
- ігри
- популярний
- портативність
- пошта
- потенціал
- влада
- потужний
- попередній
- переважним
- підготовка
- представити
- запобігати
- приватний
- процес
- оброблена
- процеси
- обробка
- Production
- продуктивність
- Продукти
- підказок
- докази
- властивості
- власність
- запропонований
- власником
- захист
- захист
- забезпечувати
- Постачальник
- провайдери
- забезпечує
- громадськість
- Публічна хмара
- питання
- швидко
- ганчіркою
- Ранжування
- швидше
- RE
- Читати
- читання
- отримує
- рекомендований
- зниження
- послатися
- про
- регіон
- регулюється
- регульовані галузі
- Регулювання
- регуляторні
- щодо
- актуальність
- доречний
- залишається
- Сховище
- запросити
- вимагається
- Вимога
- Вимагається
- схожий на
- ресурси
- відповідь
- відповіді
- відповідальний
- REST
- ресторан
- результат
- результати
- право
- Risk
- ризикуючи
- Кімната
- ROW
- прогін
- пробіжки
- s
- мудрець
- масштабовані
- шкала
- наука
- НАУКИ
- безліч
- Пошук
- Пошукові системи
- секрет
- розділ
- розділам
- безпечний
- безпечно
- безпеку
- побачити
- смисловий
- старший
- чутливий
- Чутливість
- окремий
- служити
- служив
- служить
- обслуговування
- Послуги
- комплект
- установка
- загальні
- акції
- вона
- Короткий
- демонстрації
- аналогічний
- простий
- спрощує
- один
- розміри
- невеликий
- Футбол
- Софтвер
- рішення
- Рішення
- деякі
- Source
- вихідні
- Простір
- спеціалізований
- конкретний
- зазначений
- Витрати
- стек
- старт
- впроваджений
- залишатися
- Крок
- заходи
- Як і раніше
- зберігати
- зберігати
- просто
- структура
- такі
- підходящий
- підтримка
- Опори
- Переконайтеся
- система
- таблиця
- з урахуванням
- Приймати
- приймає
- Мета
- цільове
- команда
- команди
- технології
- технічний
- Технології
- Технологія
- шаблон
- орендар
- текст
- Класифікація тексту
- ніж
- дякувати
- Що
- Команда
- інформація
- їх
- потім
- Там.
- отже
- Ці
- вони
- третя сторона
- це
- три
- через
- час
- до
- разом
- інструменти
- топ
- традиційний
- поїзд
- навчений
- Навчання
- Перетворення
- транзит
- прозорий
- Подорож
- суд
- підручник
- два
- тип
- Типи
- нас
- при
- розуміти
- Unexpected
- незабутнє
- однозначно
- оновлений
- Updates
- оновлення
- нагорі
- URL
- Використання
- використання
- використання випадку
- використовуваний
- користувач
- використовує
- використання
- відпустку
- значення
- Цінності
- різний
- Ve
- версія
- через
- Віртуальний
- Обсяги
- ходити
- шлях..
- способи
- we
- Багатство
- Web
- веб-сервіси
- ласкаво просимо
- ДОБРЕ
- були
- коли
- який
- в той час як
- ВООЗ
- чий
- волі
- з
- в
- Work
- робочий
- робочий
- працює
- запис
- ви
- вашу
- зефірнет