آموزش BigQuery ML - یادگیری ماشین در SQL با استفاده از Google BigQuery

سرفصل ها و درس ها

مقدمه ای بر GCP Introduction to GCP

• مقدمه ای بر پلتفرم ابری گوگل Introduction to Google Cloud Platform

• GCP در مقابل AWS در مقابل Azure - چرا GCP را انتخاب کنید GCP vs AWS vs Azure - Why choose GCP

• خدمات هوش مصنوعی و ML در Google Cloud AI & ML services in Google Cloud

BigQuery ML (BQML) معرفی BigQuery ML (BQML) introduction

• BigQuery ML چیست؟ What is BigQuery ML

• چالش های مرسوم ML و پرس و جوی بزرگی که به آنها رسیدگی می کند Conventional ML challenges and How Big query is addressing them

• ویژگی های BigQuery ML BigQuery ML Features

• مزایای BigQuery ML Advantages of BigQuery ML

• چرخه حیات/جریان کاری پروژه BigQuery ML Lifecycle/Workflow of a BigQuery ML Project

• مدل های پشتیبانی شده از BQML BQML supported models

BigQuery Basics - دوره Crash BigQuery Basics - Crash course

• اعلامیه Announcement

• یک حساب GCP راه اندازی کنید Setup a GCP account

• یادداشت مهم Important Note

• یک پروژه ایجاد کنید Create a Project

• تور رابط کاربری BigQuery BigQuery UI Tour

• یک مجموعه داده ایجاد کنید Create a Dataset

• یک جدول ایجاد کنید Create a Table

• تکلیف - ایجاد جدول Assignment - Create Table

رگرسیون خطی Linear Regression

• رگرسیون خطی چیست - قسمت 1 What is Linear regression - Part 1

• رگرسیون خطی چیست - قسمت 2 What is Linear regression - Part 2

• نمای سطح بالا پرس و جو ایجاد مدل High-level view of Create Model query

• محدودیت های ایجاد پرس و جو مدل Limitations of Create model query

• رگرسیون خطی مثال مورد استفاده Linear regression Example Use case

• گزینه های اساسی در ایجاد پرس و جو مدل Basic Options in Create model query

• مشکل بیش از حد برازش Overfitting problem

• تنظیم L2/Rridge L2/Ridge regularization

• تنظیم L1/کند L1/Lasso regularization

• استراتژی بهینه سازی گرادیان Gradient Descent Optimize Strategy

• انواع گرادیان نزول Types of Gradient Descent

• گزینه نرخ یادگیری Learn rate Option

• گزینه های دیگر در ایجاد پرس و جو مدل Other Options in Create model query

• آموزش مدل - بنویسید ایجاد کوئری مدل برای رگرسیون خطی Model Training - Write Create model Query for Linear regression

• بررسی جزئیات مدل Exploring Model details

• پرسش ارزیابی مدل (ML.EVALUATE) Model Evaluation Query (ML.EVALUATE)

• آموزش مدل - Optimize Create Model Query Model Training - Optimize Create Model Query

• تابع ML.TRAINING_INFO ML.TRAINING_INFO Function

• پیش‌بینی مدل (ML.PREDICT) Model Prediction (ML.PREDICT)

• آزمون 1 Quiz 1

• تکلیف - رگرسیون خطی Assignment - Linear regression

تنظیم فراپارامتر در BigQuery Hyperparameter Tuning in BigQuery

• تنظیم Hyperparameter چیست؟ What is Hyperparameter Tuning ?

• گزینه های تنظیم Hyperparameter در BigQuery Hyperparameter Tuning Options in BigQuery

• مدل رگرسیون خطی را تنظیم کنید Tune the Linear regression model

• تابع ML.TRIAL_INFO ML.TRIAL_INFO Function

توابع توضیح پذیری مدل Model Explainability Functions

• چرا قابلیت توضیح مدل مهم است؟ Why Model Explainability is important ?

• توابع توضیح پذیری مدل در BigQuery Model Explainability Functions in BigQuery

• تابع ML.WEIGHTS ML.WEIGHTS Function

• لیست توابع پشتیبانی شده توسط همه مدل ها List of functions supported by all models

رگرسیون لجستیک Logistic regression

• رگرسیون لجستیک چیست؟ What is Logistic regression ?

• تابع سیگموئید Sigmoid Function

• رگرسیون لجستیک مثال مورد استفاده Logistic regression Example Use case

• آموزش مدل - بنویسید ایجاد کوئری مدل برای رگرسیون لجستیک Model Training - Write Create model Query for Logistic regression

• معیارهای ارزیابی مبانی توضیح داده شده است Evaluation metrics Fundamentals explained

• دقت، یادآوری، دقت، امتیاز F1 Precision, Recall, Accuracy, F1 score

• توابع ارزیابی در BigQuery Evaluation Functions in BigQuery

• تابع پیش بینی (ML.PREDICT) Prediction Function (ML.PREDICT)

• کاربردهای رگرسیون لجستیک Applications of Logistic regression

• آزمون 2 Quiz 2

• تکلیف - رگرسیون لجستیک Assignment - Logistic regression

پیش پردازش ویژگی Feature Pre-processing

• پیش پردازش ویژگی خودکار Automatic Feature Pre-processing

• پیش پردازش ویژگی دستی - قسمت 1 Manual Feature Pre-processing - Part 1

• پیش پردازش ویژگی دستی - قسمت 2 Manual Feature Pre-processing - Part 2

• عملکرد FEATURE_INFO FEATURE_INFO Function

K-به معنای خوشه بندی است K-means Clustering

• خوشه بندی چیست What is Clustering

• K-means الگوریتم کار می کند K-means algorithm working

• مزایا و معایب K-means Advantages & Disadvantages of K-means

• کاربردهای الگوریتم K-means Applications of K-means algorithm

• گزینه های ایجاد پرس و جو مدل Options in Create model query

• K-means مثال در BigQuery - ایجاد مدل K-means Example in BigQuery - Create model

• K-means مثال در BigQuery - Evaluation K-means Example in BigQuery - Evaluation

• K-means مثال در BigQuery - Prediction K-means Example in BigQuery - Prediction

• مثال K-means در BigQuery - تشخیص ناهنجاری K-means Example in BigQuery - Anomaly detection

• امتحان 3 Quiz 3

• تکلیف - Kmeans Clustering Assignment - Kmeans Clustering

درختان تقویت شده Boosted Trees

• تقویت چیست و چرا لازم است؟ What is Boosting and Why it is needed

• کار درخت تقویت شده توضیح داد Boosted Tree working explained

• انواع تقویت Types of Boosting

• گزینه ها در ایجاد پرس و جو مدل - قسمت 1 Options in Create model query - Part 1

• گزینه ها در ایجاد پرس و جو مدل - قسمت 2 Options in Create model query - Part 2

• مثال درخت تقویت شده - از Case Intro & EDA استفاده کنید Boosted Tree Example - Use Case Intro & EDA

• مثال درخت تقویت شده - مهندسی ویژگی قسمت 1 Boosted Tree Example - Feature Engineering Part 1

• مثال درخت تقویت شده - مهندسی ویژگی قسمت 2 Boosted Tree Example - Feature Engineering Part 2

• مثال درخت تقویت شده - ایجاد مدل Boosted Tree Example - Create model

• مثال درخت تقویت شده - تنظیم فراپارامتر Boosted Tree Example - Hyperparameter Tuning

• مثال درخت تقویت شده - ارزیابی Boosted Tree Example - Evaluation

• آزمون 4 Quiz 4

• درخت تقویت شده - تکلیف Boosted Tree - Assignment

عملیات مدیریت مدل در BigQuery Model management Operations in BigQuery

• معرفی Introduction

• عملیات روی مدل ها - قسمت 1 Operations on Models - Part 1

• عملیات روی مدل ها - قسمت 2 Operations on Models - Part 2

شبکه عصبی عمیق (DNN) Deep Neural Network (DNN)

• شبکه عصبی مصنوعی چیست؟ What is Artificial Neural Network

• کار شبکه عصبی مصنوعی Working of Artificial Neural Network

• کار DNN توضیح داده شد DNN working explained

• توابع فعال سازی - Sigmoid، TanH Activation Functions - Sigmoid, TanH

• توابع فعال سازی - RELU Activation Functions - RELU

• کدام تابع فعال سازی را انتخاب کنیم؟ Which Activation Function to choose?

• تکنیک انصراف برای جلوگیری از تطبیق بیش از حد Dropout technique to avoid Overfitting

• گزینه HIDDEN_UNITS HIDDEN_UNITS Option

• بهینه ساز در DNN Optimizer in DNN

• گزینه های دیگر در DNN Other Options in DNN

• DNN مثال مورد استفاده DNN Example Use Case

• اجرای مثال DNN در BigQuery ML DNN Example Implementation in BigQuery ML

• امتحان Quiz

• تکلیف - DNN Assignment - DNN

تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

• کاهش ابعاد چیست؟ What is dimensionality reduction ?

• منطق کاری PCA Working logic of PCA

• ریاضیات پشت PCA (روش 4 مرحله ای) Mathematics behind PCA (4 step procedure)

• گزینه های مدل BigQuery در PCA BigQuery Model Options in PCA

• ایجاد مدل PCA Creating PCA Model

• ارزیابی و استنباط مدل PCA Evaluating and Inferencing PCA model

• تکلیف - PCA Assignment - PCA

قیمت گذاری BigQuery ML BigQuery ML Pricing

• عملیات رایگان در BigQuery ML Free operations in BigQuery ML

• مدل قیمت گذاری با نرخ ثابت چیست؟ What is Flat rate pricing model

• هزینه های درگیر در مدل قیمت گذاری نرخ ثابت Costs involved in Flat rate pricing model

• رزرواسیون Reservations

• مدل قیمت گذاری بر اساس تقاضای BigQuery ML BigQuery ML On-demand pricing model

• محاسبه قیمت برای درخواست ایجاد مدل Calculate price for Create Model query

• آزمون - قیمت گذاری Quiz - Pricing

فاکتورسازی ماتریس (فیلترسازی مشارکتی) Matrix Factorization (Collaborative Filtering)

• مقدمه ای بر فاکتورسازی ماتریس (سیستم های پیشنهادی) Introduction to Matrix Factorization (Recommendation systems)

• فیلتر کردن محتوا Content Filtering

• فیلتر مشارکتی مبتنی بر مدل Model based Collaborative Filtering

• فیلتر مشارکتی مبتنی بر حافظه Memory based Collaborative Filtering

• گزینه های مدل را ایجاد کنید Create model Options

• اسلات های BigQuery را برای فاکتورسازی ماتریس خریداری کنید Purchase BigQuery slots for Matrix Factorization

• ایجاد مدل پیشنهادی با استفاده از فاکتورسازی ماتریس Create Recommendation Model using Matrix Factorization

• ارزیابی و پیشنهاد Evaluation and Recommendation

ARIMA+ برای پیش بینی سری های زمانی ARIMA+ for Time series Forecasting

• پیش بینی سری های زمانی چیست؟ What is Time series Forecasting ?

• اجزای سری زمانی Components of Time series

• ایستایی در سری های زمانی Stationarity in Time series

• رگرسیون خودکار (AR) در ARIMA Auto regression (AR) in ARIMA

• میانگین متحرک (MA) در ARIMA Moving Average (MA) in ARIMA

• گزینه های ARIMA+ - قسمت 1 ARIMA+ Options - Part 1

• گزینه های ARIMA+ - قسمت 2 ARIMA+ Options - Part 2

• ARIMA+ مثال - مورد استفاده و EDA ARIMA+ Example - Use case & EDA

• ARIMA+ مثال - ایجاد مدل ARIMA+ Example - Create Model

• ARIMA+ مثال - ارزیابی ARIMA+ Example - Evaluation

• ARIMA+ مثال - استنتاج توابع ARIMA+ Example - Inferencing Functions

• ARIMA+ مثال - مدل قابل توضیح ARIMA+ Example - Model Explainability

• تکلیف - آریما + Assignment - Arima +

یادگیری های اضافی Additional Learnings

• راه اندازی Google Cloud SDK Google Cloud SDK setup

جایزه BONUS

• جایزه Bonus