Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
BigQuery ML در Google Cloud Platform با اجازه دادن به تحلیلگران و مهندسان داده برای ساخت و استفاده از مدل های یادگیری ماشین مستقیماً از SQL بدون استفاده از زبان برنامه نویسی سطح بالاتر ، یادگیری ماشین را دموکراتیک می کند. همه را بزرگ کنید بررسی اجمالی دوره 2 متر 6 ثانیه معرفی Google BigQuery ML 24 متر 5 ثانیه مدلهای رگرسیون و طبقه بندی ساختمان 39m 29s تجزیه و تحلیل مدل ها با استفاده از توابع ارزیابی و بازرسی ویژگی ها 21 متر 53s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
معرفی Google BigQuery ML
Introducing Google BigQuery ML
بررسی اجمالی ماژول
Module Overview
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
دموکراتیک کردن یادگیری ماشین با BigQuery ML
Democratizing Machine Learning with BigQuery ML
BigQuery ML در مقابل سایر سرویس های هوش مصنوعی Google
BigQuery ML vs. Other Google AI Services
ورود به GCP
Logging into the GCP
بارگذاری نظرات در Cloud Shell
Uploading Reviews to Cloud Shell
ایجاد مجموعه داده ها و جداول ، بارگیری و استعلام داده ها
Creating Datasets and Tables, Loading and Querying Data
اجرای نمایش داده ها و تجسم نتایج با استفاده از Data Studio
Running Queries and Visualizing Results Using Data Studio
مدلهای رگرسیون و طبقه بندی ساختمان
Building Regression and Classification Models
بررسی اجمالی ماژول
Module Overview
رگرسیون خطی
Linear Regression
رگرسیون لجستیک
Logistic Regression
ساخت مدلهای رگرسیون خطی و لجستیک در BigQuery ML
Building Linear and Logistic Regression Models in BigQuery ML
ایجاد و بارگیری جدول با داده
Creating and Loading a Table with Data
ایجاد و آموزش مدل رگرسیون
Creating and Training a Regression Model
ارزیابی مدل رگرسیون
Evaluating the Regression Model
پیش بینی ها و تجسم داده ها
Predictions and Data Visualization
دقت ، دقت و یادآوری با استفاده از ماتریس سردرگمی
Accuracy, Precision and Recall Using the Confusion Matrix
ایجاد و آموزش یک مدل طبقه بندی
Creating and Training a Classification Model
ارزیابی طبقه بندی و استفاده از آن برای پیش بینی
Evaluating the Classifier and Using It for Prediction
تجزیه و تحلیل مدل ها با استفاده از توابع ارزیابی و بازرسی ویژگی ها
Analyzing Models Using Evaluation and Feature Inspection Functions
بررسی اجمالی ماژول
Module Overview
ایجاد و اتصال به یک نمونه Datalab
Creating and Connecting to a Datalab Instance
استفاده از Cloud Datalab برای ساخت BigQuery ML Models
Using Cloud Datalab to Build BigQuery ML Models
منحنی ROC
The ROC Curve
کاوش داده های حقوق بزرگسالان برای طبقه بندی
Exploring Adult Salary Data for Classification
ارزیابی طبقه بندی کننده ها با استفاده از منحنی ROC
Evaluating Classifiers Using the ROC Curve
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات
نظری ارسال نشده است.