Snowflake Cortex Masterclass Hands-On

Snowflake Cortex Masterclass Hands-On

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برای سطح متوسط! توسط Snowflake Expert در کلاس جهانی همه چیز درباره Snowflake Cortex، پلتفرم جدید هوش مصنوعی و ML از Snowflake نحوه پیاده سازی خطوط لوله ML سرتاسر با استفاده از Snowpark و Snowpark ML نحوه توسعه آزمایشات ML با Snowflake با استفاده از نوت بوک و قطعه کد نحوه استفاده کلاس ها و توابع مبتنی بر ML از Snowflake Cortex نحوه فراخوانی توابع جدید LLM از Snowflake Cortex نحوه استفاده از Snowflake Copilot و دیگر ویژگی های فوق العاده جدید LLM UI در Snowsight نحوه ادغام Snowflake با ChatGPT با استفاده از OpenAI SESTn API over-in-memory Pandas DataFrames پیش نیازها: این یک دوره آموزشی در سطح متوسط ​​است، آگاه باشید. نه برای مبتدیان مطلق! دانش اولیه Snowflake، سایر انبارهای داده و پایگاه های داده رابطه ای دانش اولیه برنامه نویسی در SQL لازم است دانش اولیه برنامه نویسی در پایتون نیاز به دانش پایه علوم داده و یادگیری ماشینی دانش پایه یادگیری عمیق و ترانسفورماتورها دانش پایه LLMs (مانند ChatGPT) و آنها موارد استفاده دانش اختیاری Streamlit دانش اختیاری سری زمانی

مهم: این دوره به یک سطح متوسط ​​نیاز دارد و اگر اخیراً با Snowflake و/یا Data Science، پایگاه های داده رابطه ای، با برنامه نویسی SQL و/یا Python شروع کرده اید، ممکن است برای شما مناسب نباشد. گاهی اوقات به مفاهیم پیشرفته ای می پردازد که در اینجا توضیح داده نشده اند. قبل از خرید این دوره، حداقل شرایط لازم برای این دوره و بخش "درباره این دوره چیست" را در زیر بررسی کنید!


Snowflake Cortex چیست

  • Snowflake فقط در دو سال گذشته به شدت درگیر هوش مصنوعی و ML شد. من می دانم، زیرا از همان ابتدا در آنجا بودم. در ژانویه 2021 من توسط آنها به عنوان "ابر قهرمان داده های برف" انتخاب شدم. و در دو سال گذشته به تنهایی، بسیاری از امتحانات گواهینامه DS و ML را پشت سر گذاشتم (به زیر مراجعه کنید).

  • در اواسط سال 2023 آنها با Snowpark ML آمدند. سپس با برخی از توابع داخلی مجهز به ML، در مورد رگرسیون و طبقه بندی. رجیستری مدل جدید از Snowpark ML - اضافه شده در ژانویه 2024 - اکنون امکان ML سرتاسر روی پلتفرم را فراهم می کند.

  • آزمایش‌های علم داده را در کنار هم خواهید دید که من "روش قدیمی" را در Snowflake به شما ارائه خواهم داد. بسیاری از آنها با ChatGPT ادغام شده‌اند (که در دوره دیگری در مورد آن صحبت کردم). برای مقایسه آنها با توابع جدید LLM، زیرا Snowflake تصمیم گرفت مدل های زبان بزرگ خود را میزبانی کند.

  • بیشتر اینها (و سایر ویژگی‌هایی که هنوز در راه است) اکنون در زیر چتر Snowflake Cortex ارائه شده‌اند.

آنچه خواهید آموخت

  • تصویر سطح بالا از پلتفرم جدید Snowflake Cortex AI ML.

  • نماهای دقیق در هر یک از مناطق قشر دانه‌های برف.

  • نحوه آزمایشات ML روی Snowflake قبل از Cortex.

  • چگونه می‌توان آزمایش‌های ML را امروز با Snowpark ML APIها، بخشی از Snowflake Cortex، پیاده‌سازی کرد.

  • یادگیری ماشینی انتها به انتها با Snowpark ML و رجیستری مدل آن.

  • نحوه استفاده از رگرسیون و طبقه‌بندی جدید کلاس‌ها و توابع مبتنی بر ML، در Snowflake Cortex.

  • نحوه فراخوانی توابع جدید LLM از Snowflake Cortex و مقایسه آنها با ChatGPT.

  • از Snowflake Copilot و سایر ویژگی های Snowflake ورودی در Cortex چه انتظاری باید داشت.

  • نقشه راه چه بود و برنامه‌های آتی Snowflake برای Snowflake Cortex یا در مناطق AI ML چیست.

این دوره در مورد چه چیزی نیست

  • من علم داده و یادگیری ماشین را اینجا از پایه به شما آموزش نمی دهم. از شما انتظار می رود که اطلاعات اولیه ای در مورد ML، DL، LLMs...

    داشته باشید
  • من در مورد بسیاری از مناطق دیگر در Snowflake به شما آموزش نمی دهم. انتظار می رود که دانش اولیه Snowflake و به طور کلی انبارهای داده را داشته باشید.

  • من برنامه نویسی را در پایتون یا SQL تدریس نمی کنم. این یک دوره عملی است و از شما انتظار می رود در این زمینه دانش اولیه داشته باشید. با این حال، من ممکن است با برخی از برنامه های کوچک Streamlit بیایم، اما همه چیز را ساده و قابل درک نگه می دارم.

  • این همه کارهایی را که می توانید به عنوان علم داده در Snowflake انجام دهید، پوشش نمی دهد. در حالی که آزمایش‌های "روش قدیمی" با scikit-learn یا ادغام با ChatGPT را خواهید دید، اینها بخشی از Cortex نیستند! ما باید بیشتر به Snowflake Cortex محدود شویم، زیرا این یک پلت فرم بزرگ است.

  • در حالی که سرویس‌های Snowpark Container نیز بسیار جدید هستند و عمدتاً آزمایش‌های ML و DL را نیز هدف قرار می‌دهند (مخصوصاً کانتینرهای جدید با GPU)، زمان کافی برای عمیق‌تر کردن جزئیات وجود نخواهد داشت. و این نیز یک بستر بسیار تخصصی و دشوارتر برای درک است. ممکن است بعداً یک دوره پیشرفته تر در مورد SPCS ارائه کنم، اما در حال حاضر این دوره به چنین سطح پیشرفته ای از آمادگی نیاز ندارد.

من کی هستم

  • تنها متخصص در سطح جهانی از کانادا که برای برنامه Snowflake Data Superhero در سال 2021 انتخاب شد.

  • SnowPro Certification SME (کارشناس موضوع) - بسیاری از سوالات امتحانی SnowPro توسط من ایجاد شده است.

  • تا به امروز چهار آزمون گواهینامه SnowPro را گذرانده است (بدون آزمون مجدد): هسته، معمار، مهندس داده، تحلیلگر داده.

  • در چند سال گذشته در Snowflake تخصص داشتم: من برای شرکت های Snowflake Partner کار می کردم. من در این مقام یا به عنوان مشاور مستقل به ده ها مشتری خدمت کردم. امروز دانش خود را با دوره های بسیار تخصصی در مورد Snowflake به اشتراک می گذارم.

تعدادی از آخرین گواهینامه های علم داده و یادگیری ماشین من

  • گواهینامه AWS در یادگیری ماشین

  • همیار دانشمند داده Microsoft Azure

  • کاریار مهندس هوش مصنوعی Microsoft Azure

  • Microsoft Azure AI Fundamentals

  • گواهی توسعه دهنده TensorFlow

  • گواهی اصول یادگیری ماشین آلتریکس

  • دارای گواهینامه Dataiku ML Practitioner

  • مجوز Dataiku MLOps Practitioner

  • Neo4j Graph Science Data Science تایید شده

  • الگوریتم‌های نمودار TigerGraph برای یادگیری ماشین

این دوره واقعاً پوشش کاملی از Snowflake Cortex جدید ارائه می دهد، و قصد من این است که مرتباً آن را به روز کنم. امروز ثبت نام کنید و این دوره را برای همیشه نگه دارید!


سرفصل ها و درس ها

مقدمه ای بر Snowflake Cortex Introduction to Snowflake Cortex

  • این دوره ممکن است برای شما مناسب نباشد اگر ... This course might NOT be right for you if...

  • ساختار و محتوای دوره Course Structure and Content

  • به این دوره خوش آمدید Welcome to This Course

  • همه چیز درباره این دوره (پست پرسش و پاسخ) All About This Course (FAQ Post)

  • گواهینامه های SnowPro Snowflake: مواد اضافه شده! SnowPro Snowflake Certifications: Added Material!

  • نقشه راه قشر برف ریزه Roadmap to Snowflake Cortex

  • نکات سریع: SQL Query بدون تایپ SQL Quick Tips: SQL Query Without Typing SQL

  • ویژگی ها و فناوری های مرتبط Related Features and Technologies

  • بررسی اجمالی قشر دانه برف Overview of Snowflake Cortex

  • نکات سریع: تابع LLM ترجمه Quick Tips: TRANSLATE LLM Function

  • ایست بازرسی سریع: درباره ... پست های بازرسی سریع Quick Checkpoint: About ...Quick Checkpoints

  • دانش خود را آزمایش کنید Test Your Knowledge

خطوط لوله ML در مجموعه داده ها (خارج از Snowflake) ML Pipelines on Datasets (outside Snowflake)

  • درباره این بخش About this Section

  • نکات سریع: نقشه حرارتی همبستگی Quick Tips: Correlation Heatmap

  • مقدمه: مبانی یادگیری ماشین Introduction: Machine Learning Basics

  • مقدمه: فازهای خط لوله ML Introduction: ML Pipeline Phases

  • مقدمه: ML Pipeline Architectures Introduction: ML Pipeline Architectures

  • ایست بازرسی سریع: اگر از قبل همه اینها را بدانید چه؟ Quick Checkpoint: What if You Already Know All This?

  • جمع آوری داده ها: تولید سری های زمانی Data Collection: Time Series Generation

  • جمع آوری داده ها: ایجاد رگرسیون/طبقه بندی Data Collection: Make Regression/Classification

  • جمع آوری داده ها: داده های تصادفی برای مسئله رگرسیون تولید کنید Data Collection: Generate Random Data for Regression Problem

  • جمع آوری داده ها: تولید داده های جعلی واقعی Data Collection: Realistic Fake Data Generation

  • جمع آوری داده ها: دسترسی به داده ها Data Collection: Data Access

  • جمع آوری داده ها: تقسیم داده ها Data Collection: Data Split

  • جمع آوری داده ها: بررسی اجمالی Data Collection: Overview

  • نکات سریع: تولید داده های جعلی اما واقعی Quick Tips: Fake but Realistic Data Generation

  • کاوش داده ها: بررسی اجمالی Data Exploration: Overview

  • کاوش داده ها: نقشه حرارتی ماتریس همبستگی Data Exploration: Correlation Matrix Heatmap

  • کاوش داده: استخراج یک مقدار از یک ماتریس همبستگی Data Exploration: Extract a Value from a Correlation Matrix

  • کاوش داده ها: پروفایل پانداها Data Exploration: Pandas Profiling

  • نقطه بازرسی سریع: درباره پروفایل پانداها Quick Checkpoint: About Pandas Profiling

  • جدال داده ها: بررسی اجمالی Data Wrangling: Overview

  • جدال داده ها: مهندسی ویژگی ها با Pandas DataFrame Data Wrangling: Feature Engineering with Pandas DataFrame

  • جدال داده ها: پیش پردازش داده ها با ترانسفورماتورها Data Wrangling: Data Preprocessing with Transformers

  • جدال داده ها: پیش پردازش داده ها با خط لوله Data Wrangling: Data Preprocessing with Pipeline

  • چک پوینت سریع: درباره Basic ML در مجموعه داده ها Quick Checkpoint: About Basic ML on Datasets

  • نکات سریع: عملکرد SUMMARIZE LLM Quick Tips: SUMMARIZE LLM Function

  • آموزش مدل: بررسی اجمالی Model Training: Overview

  • آموزش مدل: رگرسیون Model Training: Regression

  • آموزش مدل: طبقه بندی Model Training: Classification

  • اعتبارسنجی مدل: بهینه سازی دستی فراپارامتر Model Validation: Manual Hyperparameter Optimization

  • اعتبار سنجی مدل: اعتبار سنجی متقاطع دستی Model Validation: Manual Cross-Validation

  • اعتبارسنجی مدل: GridSearchCV برای رگرسیون Model Validation: GridSearchCV for Regression

  • اعتبارسنجی مدل: تصادفی CV جستجو برای طبقه بندی Model Validation: RandomizedSearchCV for Classification

  • نقطه بازرسی سریع: درباره اعتبارسنجی مدل Quick Checkpoint: About Model Validation

  • ارزیابی مدل: معیارهای عملکرد برای رگرسیون Model Evaluation: Performance Metrics for Regression

  • ارزیابی مدل: معیارهای عملکرد برای طبقه بندی Model Evaluation: Performance Metrics for Classification

  • سرویس مدل: فایل مدل آموزش دیده را ذخیره/بارگذاری کنید Model Serving: Save/Load the Trained Model File

  • نکات سریع: برای یک حساب آزمایشی رایگان Snowflake ثبت نام کنید Quick Tips: Signup for a Free Snowflake Trial Account

  • دانش خود را آزمایش کنید Test Your Knowledge

خطوط لوله ML با استفاده از Snowpark (قبل از Cortex) ML Pipelines using Snowpark (before Cortex)

  • درباره این بخش About this Section

  • نکات سریع: آپلود فایل ها در Snowflake Quick Tips: Uploading Files in Snowflake

  • مقدمه: اجزای پارک اسنو Introduction: Snowpark Components

  • مقدمه: رویه ها و توابع از SQL Introduction: Procedures and Functions from SQL

  • مقدمه: Snowpark برای Python Introduction: Snowpark for Python

  • مقدمه: رویه ها و توابع از پایتون Introduction: Procedures and Functions from Python

  • مقدمه: توابع بردار تعریف شده توسط کاربر Introduction: Vectorized User-Defined Functions

  • مقدمه: زمان اجرا و نسخه های بسته Introduction: Runtimes and Package Versions

  • مقدمه: Snowpark برای خطوط لوله ML Introduction: Snowpark for ML Pipelines

  • جمع آوری داده ها: پر شدن با بیانیه های SQL Data Collection: Populating with SQL Statements

  • جمع آوری داده ها: تولید داده های مصنوعی Data Collection: Synthetic Data Generation

  • جمع آوری داده ها: کتابخانه Faker در کاربرگ پایتون Data Collection: Faker Library in Python Worksheet

  • نکات سریع: ساده ترین راه برای اتصال به Snowflake Quick Tips: Easiest Way to Connect to Snowflake

  • جمع آوری داده ها: بارگذاری با اسکریپت های SQL Data Collection: Uploading with SQL Scripts

  • جمع آوری داده ها: بارگذاری با کد پایتون Data Collection: Uploading with Python Code

  • جمع آوری داده ها: بارگذاری از مراحل خارجی Data Collection: Uploading from External Stages

  • جمع آوری داده ها: بارگذاری مجموعه داده های دیگر Data Collection: Uploading Other Datasets

  • جمع آوری داده ها: نمونه استخراج داده ها Data Collection: Sample Data Extraction

  • جمع آوری داده ها: تقسیم داده ها Data Collection: Data Split

  • نقطه بازرسی سریع: درباره مصرف داده ها در Snowflake Quick Checkpoint: About Ingesting Data in Snowflake

  • نکات سریع: نقشه حرارتی همبستگی در Snowflake Quick Tips: Correlation Heatmap in Snowflake

  • کاوش داده ها: نمودارها و داشبوردهای Snowsight Data Exploration: Snowsight Charts and Dashboards

  • کاوش داده ها: نوت بوک های شریک دانه برف Data Exploration: Snowflake Partner Notebooks

  • کاوش داده ها: نوت بوک های دانه برف Data Exploration: Snowflake Notebooks

  • کاوش داده ها: بررسی اجمالی Data Exploration: Overview

  • نکات سریع: پروفایل داده در Snowflake Quick Tips: Data Profiling in Snowflake

  • ایست بازرسی سریع: پانداها در مقابل فریم های داده Snowpark Quick Checkpoint: Pandas vs Snowpark Data Frames

  • مهندسی ویژگی: پانداها در مقابل DataFrames Snowpark Feature Engineering: Pandas vs Snowpark DataFrames

  • مهندسی ویژگی: استفاده از Pandas DataFrames Feature Engineering: Using Pandas DataFrames

  • مهندسی ویژگی: استفاده از Snowpark DataFrames Feature Engineering: Using Snowpark DataFrames

  • مهندسی ویژگی: بررسی مقیاس پذیری با کاربرگ های پایتون Feature Engineering: Scalability Check with Python Worksheets

  • مهندسی ویژگی: نمای کلی Feature Engineering: Overview

  • چک پوینت سریع: درباره کاربرگ های پایتون Quick Checkpoint: About the Python Worksheets

  • نکات سریع: پرس و جوهای DataFrame Quick Tips: DataFrame Queries

  • پیش پردازش داده ها: زمانی که نمی توانید از پانداها اجتناب کنید Data Preprocessing: When You Cannot Avoid Pandas

  • آموزش مدل: تحلیل احساسات در حالت محلی Model Training: Sentiment Analysis in Local Mode

  • آموزش مدل: تحلیل احساسات با روش ذخیره شده Model Training: Sentiment Analysis with Stored Procedure

  • آموزش مدل: بررسی اجمالی Model Training: Overview

  • آموزش مدل: تحلیل احساسات با ماژول های وارداتی Model Training: Sentiment Analysis with Imported Modules

  • آموزش مدل: پیش بینی های خانه با رویه ذخیره شده Model Training: House Predictions with Stored Procedure

  • سرویس مدل: نمای کلی Model Serving: Overview

  • سرویس مدل: پیش‌بینی احساسات با UDF Model Serving: Sentiment Predictions with UDFs

  • ارائه مدل: پیش بینی احساسات با SQL Model Serving: Sentiment Predictions with SQL

  • سرویس مدل: پیش‌بینی‌های خانه با UDF بردار Model Serving: House Predictions with Vectorized UDF

  • سرویس مدل: مقدمه ای بر ابزارهای حافظه پنهان Model Serving: Introduction to Cachetools

  • ارائه مدل: UDF ها در مقابل UDF های برداری Model Serving: UDFs vs Vectorized UDFs

  • دانش خود را آزمایش کنید Test Your Knowledge

خطوط لوله ML با Snowpark ML (در Cortex) ML Pipelines with Snowpark ML (in Cortex)

  • درباره این بخش About this Section

  • مقدمه: Snowpark ML APIs Introduction: Snowpark ML APIs

  • جمع آوری داده ها: FileSystem Data Collection: FileSystem

  • مجموعه داده ها: FileSet و Framework Connectors Data Collection: FileSet and Framework Connectors

  • مجموعه داده ها: SnowflakeFile Data Collection: SnowflakeFile

  • جمع آوری داده ها: بررسی اجمالی Data Collection: Overview

  • پیش پردازش توزیع شده: Sklearn در مقابل Snowpark ML Distributed Preprocessing: Sklearn vs Snowpark ML

  • پیش پردازش توزیع شده: Snowpark در مقابل Snowpark ML Distributed Preprocessing: Snowpark vs Snowpark ML

  • پیش پردازش توزیع شده: آزمایشات نوت بوک Distributed Preprocessing: Notebook Experiments

  • پیش پردازش توزیع شده: بررسی اجمالی Distributed Preprocessing: Overview

  • نکات سریع: کاربرگ های پایتون Quick Tips: Python Worksheets

  • آموزش مدل: Sklearn vs Snowpark ML Model Training: Sklearn vs Snowpark ML

  • آموزش مدل: Snowpark vs Snowpark ML Model Training: Snowpark vs Snowpark ML

  • آموزش مدل: آزمایش نوت بوک Model Training: Notebook Experiment

  • آموزش مدل: بررسی اجمالی Model Training: Overview

  • نکات سریع: الگوی برآوردگر در مدل‌سازی اسنوپارک ML Quick Tips: Estimator Pattern in Snowpark ML Modeling

  • نقطه بازرسی سریع: درباره نقشه راه به Snowpark ML Quick Checkpoint: About the Roadmap to Snowpark ML

  • HPO توزیع شده: Sklearn در مقابل Snowpark ML Distributed HPO: Sklearn vs Snowpark ML

  • HPO توزیع شده: Snowpark در مقابل Snowpark ML Distributed HPO: Snowpark vs Snowpark ML

  • HPO توزیع شده: آزمایش نوت بوک Distributed HPO: Notebook Experiment

  • HPO توزیع شده: بررسی اجمالی Distributed HPO: Overview

  • معیارهای توزیع شده: Sklearn در مقابل Snowpark ML Distributed Metrics: Sklearn vs Snowpark ML

  • معیارهای توزیع شده: Snowpark در مقابل Snowpark ML Distributed Metrics: Snowpark vs Snowpark ML

  • معیارهای توزیع شده: آزمایش نوت بوک Distributed Metrics: Notebook Experiment

  • معیارهای توزیع شده: بررسی اجمالی Distributed Metrics: Overview

  • Snowflake MLOps: بررسی اجمالی Snowflake MLOps: Overview

  • Snowflake MLOps: Logging a Model Snowflake MLOps: Logging a Model

  • Snowflake MLOps: The Model Registry Snowflake MLOps: The Model Registry

  • Snowflake MLOps: پیش بینی مدل از مدل های ثبت شده Snowflake MLOps: Model Predictions from Registered Models

  • Snowflake MLOps: انواع مدل و ارائه دهندگان Snowflake MLOps: Model Types and Providers

  • نکات سریع: توابع پیش بینی از رجیستری مدل Quick Tips: Prediction Functions from Model Registry

  • هزینه Snowpark ML Cost of Snowpark ML

  • نکات سریع: ارزش تعلیق خودکار انبار Quick Tips: Warehouse Auto-Suspend Value

  • نقطه بازرسی سریع: درباره تعلیق خودکار در انبارها Quick Checkpoint: About Auto-Suspend in Warehouses

  • دانش خود را آزمایش کنید Test Your Knowledge

توابع ML (در Cortex) ML Functions (in Cortex)

  • درباره این بخش About this Section

  • نکات سریع: طبقه بندی ساده از طریق Wizard Quick Tips: Simple Classification through Wizard

  • مقدمه: کلاس های ML Introduction: ML Classes

  • مقدمه: روش های کلاس ML Introduction: ML Class Methods

  • مقدمه: کلاس های Snowflake SQL Introduction: Snowflake SQL Classes

  • مقدمه: نمونه های کلاس Snowflake SQL Introduction: Snowflake SQL Class Instances

  • نقطه بازرسی سریع: درباره عملکردهای ML-Powered Quick Checkpoint: About the ML-Powered Functions

  • طبقه بندی: طبقه بندی کننده باینری Classification: Binary Classifier

  • طبقه بندی: طبقه بندی کننده چند کلاسه Classification: Multiclass Classifier

  • طبقه بندی: طبقه بندی بانک Classification: Bank Classifier

  • طبقه بندی: بررسی اجمالی Classification: Overview

  • نکات سریع: نقشه حرارتی سردرگمی برای طبقه بندی کلاس ML Quick Tips: Confusion Heatmap for Classification ML Class

  • پیش بینی: داده های سری زمانی Forecasting: Time Series Data

  • پیش بینی: داده های فروش را آماده کنید Forecasting: Prepare Sales Data

  • پیش بینی: مدل قطار و پیش بینی فروش Forecasting: Train Model and Predict Sales

  • پیش بینی: مدل قطار و پیش بینی دما Forecasting: Train Model and Predict Temperatures

  • پیش بینی: بررسی اجمالی Forecasting: Overview

  • تشخیص ناهنجاری: بررسی اجمالی Anomaly Detection: Overview

  • تشخیص ناهنجاری: تشخیص موارد پرت در فروش Anomaly Detection: Detect Outliers in Sales

  • تشخیص ناهنجاری: اتوماسیون با وظایف و هشدارها Anomaly Detection: Automation with Tasks and Alerts

  • تشخیص ناهنجاری: تشخیص نقاط پرت در دما Anomaly Detection: Detect Outliers in Temperatures

  • نکات سریع: علامت گذاری نقاط پرت برای تشخیص ناهنجاری Quick Tips: Marking Outliers for Anomaly Detection

  • نقطه بازرسی سریع: درباره پیش بینی و تشخیص ناهنجاری Quick Checkpoint: About Forecasting and Anomaly Detection

  • تقویت گرادیان: الگوریتم Gradient Boosting: Algorithm

  • تقویت گرادیان: طبقه‌بندی‌کننده و پس‌رونده Gradient Boosting: Classifier & Regressor

  • Contribution Explorer: بررسی اجمالی Contribution Explorer: Overview

  • Contribution Explorer: آنچه منجر به تغییر در فروش شد Contribution Explorer: What Led to a Change in Sales

  • Contribution Explorer: چه چیزی باعث می شود مشتری به وام بپردازد Contribution Explorer: What Makes a Customer Take to a Loan

  • Contribution Explorer: چگونه در تایتانیک زنده بمانیم Contribution Explorer: How to Survive on Titanic

  • ایست بازرسی سریع: TOP_INSIGHTS تابع سری زمانی نیست! Quick Checkpoint: TOP_INSIGHTS is NOT a Time Series Function!

  • حقوق دسترسی: مقدمه ای بر نقش ها Access Rights: Introduction to Roles

  • حقوق دسترسی: طبقه بندی Access Rights: Classification

  • حقوق دسترسی: پیش بینی و تشخیص ناهنجاری Access Rights: Forecasting and Anomaly Detection

  • نقطه بازرسی سریع: درباره حقوق دسترسی به کلاس‌ها و توابع ML Quick Checkpoint: About Access Rights to ML Classes and Functions

  • هزینه توابع ML Cost of ML Functions

  • دانش خود را آزمایش کنید Test Your Knowledge

توابع و برنامه های افزودنی LLM (در Cortex) LLM Functions and Extensions (in Cortex)

  • درباره این بخش About this Section

  • نکات سریع: عملکرد SENTIMENT LLM Quick Tips: SENTIMENT LLM Function

  • مقدمه ای بر توابع LLM: بررسی اجمالی Introduction to LLM Functions: Overview

  • مقدمه ای بر توابع LLM: نسخه ی نمایشی سریع Introduction to LLM Functions: Quick Demo

  • مقدمه ای بر علم داده: نقاط عطف مهم Introduction to Data Science: Important Milestones

  • مقدمه ای بر علم داده: مرور یادگیری عمیق Introduction to Data Science: Deep Learning Review

  • مقدمه ای بر علم داده: مروری بر هوش مصنوعی Introduction to Data Science: Generative AI Review

  • بررسی سریع: درباره یادگیری عمیق در Snowflake Quick Checkpoint: About Deep Learning in Snowflake

  • ادغام ChatGPT: برنامه های کاربردی محلی ChatGPT Integrations: Local Applications

  • ادغام های ChatGPT: برنامه های Snowflake ChatGPT Integrations: Snowflake Applications

  • ادغام های ChatGPT: بررسی اجمالی ChatGPT Integrations: Overview

  • توابع کامل LLM COMPLETE LLM Functions

  • عملکرد EXTRACT_ANSWER LLM EXTRACT_ANSWER LLM Function

  • تابع SENTIMENT LLM SENTIMENT LLM Function

  • توابع LLM را خلاصه کنید SUMMARIZE LLM Functions

  • تابع LLM ترجمه TRANSLATE LLM Function

  • نقطه بازرسی سریع: درباره توابع تخصصی LLM Quick Checkpoint: About the Specialized LLM Functions

  • برنامه های کاربردی با توابع Cortex LLM Applications with Cortex LLM Functions

  • حقوق دسترسی به توابع LLM Access Rights to LLM Functions

  • هزینه توابع LLM Cost of LLM Functions

  • نکات سریع: میسترال-هزینه بزرگ Quick Tips: Mistral-Large Cost

  • ایست بازرسی سریع: درباره Mistral Large Quick Checkpoint: About Mistral Large

  • برنامه های افزودنی LLM در Snowsight LLM Extensions in Snowsight

  • جستجوی جهانی: بررسی اجمالی Universal Search: Overview

  • Snowflake Copilot: Quick Demo Snowflake Copilot: Quick Demo

  • Snowflake Copilot: بررسی اجمالی Snowflake Copilot: Overview

  • Snowflake Copilot: SQL Query Generation با LangChain و ChatGPT Snowflake Copilot: SQL Query Generation with LangChain and ChatGPT

  • ایست بازرسی سریع: آیا Copilot Snowflake به اندازه کافی قابل اعتماد است؟ Quick Checkpoint: Is Snowflake Copilot Reliable Enough?

  • Document AI: نمای کلی Document AI: Overview

  • هوش مصنوعی سند: دسترسی به داده های خصوصی با LlamaIndex و ChatGPT Document AI: Private Data Access with LlamaIndex and ChatGPT

  • نقطه بازرسی سریع: درباره ادغام های ChatGPT Quick Checkpoint: About ChatGPT Integrations

  • دانش خود را آزمایش کنید Test Your Knowledge

گواهینامه SnowPro Advanced Data Scientist The SnowPro Advanced Data Scientist Certification

  • درباره این ماده اضافه شده About this Added Material

  • اطلاعات عمومی در مورد همه گواهینامه های SnowPro Snowflake General Info about all SnowPro Snowflake Certifications

  • بررسی اجمالی گواهینامه Advanced Data Scientist Overview of the Advanced Data Scientist Certification

  • نمونه سوالات آزمون Advanced Data Scientist Sample Questions for the Advanced Data Scientist Exam

  • SnowPro Advanced Data Scientist: تمرین تست SnowPro Advanced Data Scientist: Practice Tests

بسته بندی Wrapping Up

  • دستورالعمل های راه اندازی: پروژه GitHub و VSCode Setup Instructions: GitHub Project and VSCode

  • دستورالعمل های راه اندازی: حساب آزمایشی رایگان Snowflake Setup Instructions: Free Snowflake Trial Account

  • دستورالعمل های راه اندازی: ChatGPT/OpenAI Account Setup Instructions: ChatGPT/OpenAI Account

  • تبریک می گویم، شما موفق شدید! Congratulations, You Made It!

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

Snowflake Cortex Masterclass Hands-On
جزییات دوره
20.5 hours
201
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,532
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Cristian Scutaru Cristian Scutaru

دارای گواهینامه Snowflake، AWS/Azure/GCP، بسیاری از فروشگاه های NoSQL