مرورگر شما از این ویدیو پشتیبانی نمی کند.
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
(صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)
بارگزاری مجدد
توضیحات دوره:
گوگل کلود برای یادگیری ماشین با تنسورفلو و کلانداده با هدوپ مدیریتشده
پیادهسازی اپلیکیشنهای هدوپ مدیریتشده در گوگل کلود و
ساخت مدلهای یادگیری عمیق در فضای ابری با استفاده از تنسورفلو .
با
تکنولوژیهای کلانداده
مانند BigTable، Dataflow، Apache Beam و Pub/Sub تصمیمات آگاهانه بگیرید.
پیشنیازها:
آشنایی اولیه با تکنولوژی. تماس سطحی با هدوپ کافی است.
این دوره یک راهنمای جامع برای
پلتفرم گوگل کلود (Google Cloud Platform)
است؛ شامل حدود
۲۵ ساعت محتوا و ۶۰ دموی عملی
.
پلتفرم گوگل کلود در حال حاضر محبوبترین سرویس ابری نیست (این عنوان متعلق به AWS است)، اما احتمالاً بهترین گزینه ابری برای برنامههای پیشرفته
یادگیری ماشین (Machine Learning)
است. دلیل این امر، توسعه تنسورفلو (TensorFlow)، فناوری محبوب یادگیری عمیق، توسط خود گوگل است.
محتوای دوره شامل:
محاسبات و ذخیرهسازی : AppEngine، Container Engine (معروف به Kubernetes) و Compute Engine
کلانداده و هدوپ مدیریتشده : Dataproc، Dataflow، BigTable، BigQuery، Pub/Sub
تنسورفلو در فضای ابری : آشنایی با شبکههای عصبی، یادگیری عمیق، نحوه کار نورونها و آموزش شبکههای عصبی.
مباحث DevOps : لاگگیری StackDriver، نظارت، مدیر استقرار ابری (Cloud Deployment Manager)
امنیت : مدیریت هویت و دسترسی (IAM)، پراکسی تشخیص هویت (Identity-Aware Proxy)، OAuth، کلیدهای API، حسابهای سرویس
شبکه : شبکههای خصوصی مجازی (VPCs)، VPCهای اشتراکی، متعادلسازی بار در لایههای شبکه، انتقال و HTTP؛ VPN، Cloud Interconnect و CDN Interconnect
مبانی هدوپ : نگاهی سریع به پروژههای متنباز مشابه (Hadoop، Spark، Pig، Hive و HBase)
سرفصل ها و درس ها
شما، این دوره و ما
You, This Course and Us
شما، این دوره و ما
You, This Course and Us
مطالب دوره
Course Materials
مقدمه
Introduction
تئوری، تمرین و آزمونها
Theory, Practice and Tests
آزمایشگاه: راهاندازی حساب GCP
Lab: Setting Up A GCP Account
آزمایشگاه: استفاده از Cloud Shell
Lab: Using The Cloud Shell
مهم! پروژهها/نمونههای GCP استفاده نشده را حذف کنید
Important! Delete unused GCP projects/instances
محاسبات
Compute
درباره این بخش
About this section
گزینههای محاسباتی
Compute Options
Google Compute Engine (GCE)
Google Compute Engine (GCE)
آزمایشگاه: ایجاد یک نمونه VM
Lab: Creating a VM Instance
GCE بیشتر
More GCE
آزمایشگاه: ویرایش یک نمونه VM
Lab: Editing a VM Instance
آزمایشگاه: ایجاد یک نمونه VM با استفاده از خط فرمان
Lab: Creating a VM Instance Using The Command Line
آزمایشگاه: ایجاد و اتصال یک دیسک پایدار
Lab: Creating And Attaching A Persistent Disk
Google Container Engine - Kubernetes (GKE)
Google Container Engine - Kubernetes (GKE)
GKE بیشتر
More GKE
آزمایشگاه: ایجاد یک کلاستر Kubernetes و استقرار یک کانتینر Wordpress
Lab: Creating A Kubernetes Cluster And Deploying A Wordpress Container
App Engine
App Engine
مقایسه App Engine، Compute Engine و Container Engine
Contrasting App Engine, Compute Engine and Container Engine
آزمایشگاه: استقرار و اجرای یک برنامه App Engine
Lab: Deploy And Run An App Engine App
محاسبات
Compute
ذخیرهسازی
Storage
درباره این بخش
About this section
گزینههای ذخیرهسازی
Storage Options
نکته سریع
Quick Take
Cloud Storage
Cloud Storage
آزمایشگاه: کار با سطلهای Cloud Storage
Lab: Working With Cloud Storage Buckets
آزمایشگاه: مجوزهای سطل و اشیاء
Lab: Bucket And Object Permissions
آزمایشگاه: مدیریت چرخه عمر در سطلها
Lab: Life cycle Management On Buckets
رفع خطای AccessDeniedException: 403 Insufficient Permission
Fix for AccessDeniedException: 403 Insufficient Permission
آزمایشگاه: اجرای یک برنامه روی نمونه VM و ذخیره نتایج در Cloud Storage
Lab: Running A Program On a VM Instance And Storing Results on Cloud Storage
Transfer Service
Transfer Service
آزمایشگاه: مهاجرت دادهها با استفاده از Transfer Service
Lab: Migrating Data Using The Transfer Service
gcloud init
gcloud init
آزمایشگاه: ACLهای Cloud Storage و دسترسی API با حساب سرویس
Lab: Cloud Storage ACLs and API access with Service Account
آزمایشگاه: کلیدهای رمزگذاری ارائه شده توسط مشتری Cloud Storage و مدیریت چرخه عمر
Lab: Cloud Storage Customer-Supplied Encryption Keys and Life-Cycle Management
آزمایشگاه: نسخهبندی Cloud Storage، همگامسازی دایرکتوری
Lab: Cloud Storage Versioning, Directory Sync
Cloud SQL، Cloud Spanner ~ OLTP ~ RDBMS
Cloud SQL, Cloud Spanner ~ OLTP ~ RDBMS
درباره این بخش
About this section
Cloud SQL
Cloud SQL
آزمایشگاه: ایجاد یک نمونه Cloud SQL
Lab: Creating A Cloud SQL Instance
آزمایشگاه: اجرای دستورات روی نمونه Cloud SQL
Lab: Running Commands On Cloud SQL Instance
آزمایشگاه: بارگذاری انبوه دادهها در جداول Cloud SQL
Lab: Bulk Loading Data Into Cloud SQL Tables
Cloud Spanner
Cloud Spanner
Cloud Spanner بیشتر
More Cloud Spanner
آزمایشگاه: کار با Cloud Spanner
Lab: Working With Cloud Spanner
مهم! پروژهها/نمونههای GCP استفاده نشده را حذف کنید
Important! Delete unused GCP projects/instances
پیشنیازها و زمینه Hadoop
Hadoop Pre-reqs and Context
پیشنیازها و زمینه Hadoop
Hadoop Pre-reqs and Context
BigTable ~ HBase = Columnar Store
BigTable ~ HBase = Columnar Store
درباره این بخش
About this section
معرفی BigTable
BigTable Intro
ذخیرهسازی ستونی (Columnar Store)
Columnar Store
بدون نرمالسازی (Denormalised)
Denormalised
خانوادههای ستونی (Column Families)
Column Families
عملکرد BigTable
BigTable Performance
دریافت پرامپت HBase
Getting the HBase Prompt
آزمایشگاه: نمایش BigTable
Lab: BigTable demo
مهم! پروژهها/نمونههای GCP استفاده نشده را حذف کنید
Important! Delete unused GCP projects/instances
Datastore ~ پایگاه داده اسناد
Datastore ~ Document Database
درباره این بخش
About this section
Datastore
Datastore
آزمایشگاه: نمایش Datastore
Lab: Datastore demo
Datastore
Datastore
BigQuery ~ Hive ~ OLAP
BigQuery ~ Hive ~ OLAP
درباره این بخش
About this section
معرفی BigQuery
BigQuery Intro
BigQuery پیشرفته
BigQuery Advanced
آزمایشگاه: بارگذاری دادههای CSV در BigQuery
Lab: Loading CSV Data Into Big Query
آزمایشگاه: اجرای کوئریها روی BigQuery
Lab: Running Queries On Big Query
آزمایشگاه: بارگذاری دادههای JSON با جداول تودرتو
Lab: Loading JSON Data With Nested Tables
آزمایشگاه: مجموعه دادههای عمومی در BigQuery
Lab: Public Datasets In Big Query
آزمایشگاه: استفاده از BigQuery از طریق خط فرمان
Lab: Using Big Query Via The Command Line
آزمایشگاه: تجمیعها و شرطها در تجمیعها
Lab: Aggregations And Conditionals In Aggregations
آزمایشگاه: زیرکوئریها و پیوستها (Joins)
Lab: Subqueries And Joins
آزمایشگاه: عبارات منظم در SQL قدیمی (Legacy SQL)
Lab: Regular Expressions In Legacy SQL
آزمایشگاه: استفاده از عبارت With برای زیرکوئریها
Lab: Using The With Statement For SubQueries
Dataflow ~ Apache Beam
Dataflow ~ Apache Beam
درباره این بخش
About this section
معرفی Dataflow
Data Flow Intro
Apache Beam
Apache Beam
آزمایشگاه: اجرای یک برنامه Dataflow پایتون
Lab: Running A Python Data flow Program
آزمایشگاه: اجرای یک برنامه Dataflow جاوا
Lab: Running A Java Data flow Program
آزمایشگاه: پیادهسازی Word Count در Dataflow جاوا
Lab: Implementing Word Count In Dataflow Java
آزمایشگاه: اجرای Word Count Dataflow
Lab: Executing The Word Count Dataflow
آزمایشگاه: اجرای MapReduce در Dataflow در پایتون
Lab: Executing MapReduce In Dataflow In Python
آزمایشگاه: اجرای MapReduce در Dataflow در جاوا
Lab: Executing MapReduce In Dataflow In Java
آزمایشگاه: Dataflow با BigQuery به عنوان منبع و ورودیهای جانبی
Lab: Dataflow With Big Query As Source And Side Inputs
آزمایشگاه: Dataflow با BigQuery به عنوان منبع و ورودیهای جانبی ۲
Lab: Dataflow With Big Query As Source And Side Inputs 2
Dataproc ~ Managed Hadoop
Dataproc ~ Managed Hadoop
درباره این بخش
About this section
Data Proc
Data Proc
آزمایشگاه: ایجاد و مدیریت یک کلاستر Dataproc
Lab: Creating And Managing A Dataproc Cluster
آزمایشگاه: ایجاد یک قانون فایروال برای دسترسی به Dataproc
Lab: Creating A Firewall Rule To Access Dataproc
آزمایشگاه: اجرای یک کار PySpark روی Dataproc
Lab: Running A PySpark Job On Dataproc
آزمایشگاه: اجرای پوسته تعاملی PySpark REPL و اسکریپتهای Pig روی Dataproc
Lab: Running The PySpark REPL Shell And Pig Scripts On Dataproc
آزمایشگاه: ارسال یک فایل Jar Spark به Dataproc
Lab: Submitting A Spark Jar To Dataproc
آزمایشگاه: کار با Dataproc با استفاده از GCloud CLI
Lab: Working With Dataproc Using The GCloud CLI
Pub/Sub برای پخش جریانی
Pub/Sub for Streaming
درباره این بخش
About this section
Pub Sub
Pub Sub
آزمایشگاه: کار با Pub/Sub در خط فرمان
Lab: Working With Pubsub On The Command Line
آزمایشگاه: کار با Pub/Sub با استفاده از کنسول وب
Lab: Working With PubSub Using The Web Console
آزمایشگاه: راهاندازی یک Publisher Pub/Sub با استفاده از کتابخانه پایتون
Lab: Setting Up A Pubsub Publisher Using The Python Library
آزمایشگاه: راهاندازی یک Subscriber Pub/Sub با استفاده از کتابخانه پایتون
Lab: Setting Up A Pubsub Subscriber Using The Python Library
آزمایشگاه: انتشار دادههای جریانی به Pub/Sub
Lab: Publishing Streaming Data Into Pubsub
آزمایشگاه: خواندن دادههای جریانی از Pub/Sub و نوشتن در BigQuery
Lab: Reading Streaming Data From PubSub And Writing To BigQuery
آزمایشگاه: اجرای یک پایپلاین برای خواندن دادههای جریانی و نوشتن در BigQuery
Lab: Executing A Pipeline To Read Streaming Data And Write To BigQuery
آزمایشگاه: منبع Pub/Sub، Sink BigQuery
Lab: Pubsub Source BigQuery Sink
Datalab ~ Jupyter
Datalab ~ Jupyter
درباره این بخش
About this section
Data Lab
Data Lab
آزمایشگاه: ایجاد و کار بر روی یک نمونه Datalab
Lab: Creating And Working On A Datalab Instance
آزمایشگاه: وارد کردن و خروجی گرفتن دادهها با استفاده از Datalab
Lab: Importing And Exporting Data Using Datalab
آزمایشگاه: استفاده از API چارتسازی در Datalab
Lab: Using The Charting API In Datalab
TensorFlow و یادگیری ماشین
TensorFlow and Machine Learning
درباره این بخش
About this section
معرفی یادگیری ماشین
Introducing Machine Learning
یادگیری نمایش (Representation Learning)
Representation Learning
معرفی NN (شبکههای عصبی)
NN Introduced
معرفی TF (TensorFlow)
Introducing TF
آزمایشگاه: عملیات ریاضی ساده
Lab: Simple Math Operations
گراف محاسباتی (Computation Graph)
Computation Graph
Tensorها
Tensors
آزمایشگاه: Tensorها
Lab: Tensors
معرفی رگرسیون خطی
Linear Regression Intro
مکاننگهدارها و متغیرها (Placeholders and Variables)
Placeholders and Variables
آزمایشگاه: مکاننگهدارها
Lab: Placeholders
آزمایشگاه: متغیرها
Lab: Variables
آزمایشگاه: رگرسیون خطی با دادههای ساختگی
Lab: Linear Regression with Made-up Data
پردازش تصویر
Image Processing
تصاویر به عنوان Tensor
Images As Tensors
آزمایشگاه: خواندن و کار با تصاویر
Lab: Reading and Working with Images
آزمایشگاه: تبدیل تصاویر
Lab: Image Transformations
معرفی MNIST
Introducing MNIST
K-نزدیکترین همسایه (K-Nearest Neighbors)
K-Nearest Neigbors
نوشتار One-hot و فاصله L1
One-hot Notation and L1 Distance
مراحل در پیادهسازی K-نزدیکترین همسایه
Steps in the K-Nearest-Neighbors Implementation
آزمایشگاه: K-نزدیکترین همسایه
Lab: K-Nearest-Neighbors
الگوریتم یادگیری
Learning Algorithm
نورون منفرد
Individual Neuron
یادگیری رگرسیون
Learning Regression
یادگیری XOR
Learning XOR
XOR آموزش داده شده
XOR Trained
رگرسیون در TensorFlow
Regression in TensorFlow
درباره این بخش
About this section
آزمایشگاه: دسترسی به دادهها از Yahoo Finance
Lab: Access Data from Yahoo Finance
رگرسیون خارج از TensorFlow
Non TensorFlow Regression
آزمایشگاه: رگرسیون خطی - راهاندازی یک خط پایه
Lab: Linear Regression - Setting Up a Baseline
گرادیان نزولی (Gradient Descent)
Gradient Descent
آزمایشگاه: رگرسیون خطی
Lab: Linear Regression
آزمایشگاه: رگرسیون چندگانه در TensorFlow
Lab: Multiple Regression in TensorFlow
معرفی رگرسیون لجستیک
Logistic Regression Introduced
طبقهبندی خطی
Linear Classification
آزمایشگاه: رگرسیون لجستیک - راهاندازی یک خط پایه
Lab: Logistic Regression - Setting Up a Baseline
Logit
Logit
Softmax
Softmax
Argmax
Argmax
آزمایشگاه: رگرسیون لجستیک
Lab: Logistic Regression
Estimators
Estimators
آزمایشگاه: رگرسیون خطی با استفاده از Estimators
Lab: Linear Regression using Estimators
آزمایشگاه: رگرسیون لجستیک با استفاده از Estimators
Lab: Logistic Regression using Estimators
بینایی، ترجمه، NLP و صدا: APIهای ML آموزش دیده
Vision, Translate, NLP and Speech: Trained ML APIs
درباره این بخش
About this section
آزمایشگاه: پیشبینی تاکسی - راهاندازی مجموعه داده
Lab: Taxicab Prediction - Setting up the dataset
آزمایشگاه: پیشبینی تاکسی - آموزش و اجرای مدل
Lab: Taxicab Prediction - Training and Running the model
آزمایشگاه: API بینایی، ترجمه، NLP و صدا
Lab: The Vision, Translate, NLP and Speech API
آزمایشگاه: API بینایی برای تشخیص برچسب و نشانگر
Lab: The Vision API for Label and Landmark Detection
ماشینهای مجازی و تصاویر
Virtual Machines and Images
درباره این بخش
About this section
مهاجرت زنده (Live Migration)
Live Migration
انواع ماشین و صورتحساب
Machine Types and Billing
تخفیفهای استفاده پایدار و متعهد شده
Sustained Use and Committed Use Discounts
توصیههای تغییر اندازه (Rightsizing)
Rightsizing Recommendations
دیسک RAM
RAM Disk
تصاویر
Images
اسکریپتهای راهاندازی و تصاویر آماده شده
Startup Scripts And Baked Images
VPCها و اتصال شبکهها
VPCs and Interconnecting Networks
درباره این بخش
About this section
VPCها و زیرشبکهها (Subnets)
VPCs And Subnets
VPCهای جهانی، زیرشبکههای منطقهای
Global VPCs, Regional Subnets
آدرسهای IP
IP Addresses
آزمایشگاه: کار با آدرسهای IP ثابت
Lab: Working with Static IP Addresses
مسیرها (Routes)
Routes
قوانین فایروال
Firewall Rules
آزمایشگاه: کار با فایروالها
Lab: Working with Firewalls
آزمایشگاه: کار با شبکههای حالت خودکار و سفارشی
Lab: Working with Auto Mode and Custom Mode Networks
آزمایشگاه: میزبان پناهگاه (Bastion Host)
Lab: Bastion Host
Cloud VPN
Cloud VPN
آزمایشگاه: کار با Cloud VPN
Lab: Working with Cloud VPN
Cloud Router
Cloud Router
آزمایشگاه: استفاده از Cloud Routerها برای مسیریابی پویا
Lab: Using Cloud Routers for Dynamic Routing
اتصال اختصاصی مستقیم و همتای حامل (Dedicated Interconnect Direct and Carrier Peering)
Dedicated Interconnect Direct and Carrier Peering
VPCهای اشتراکی (Shared VPCs)
Shared VPCs
آزمایشگاه: VPCهای اشتراکی
Lab: Shared VPCs
همتایابی شبکه VPC (VPC Network Peering)
VPC Network Peering
آزمایشگاه: همتایابی VPC
Lab: VPC Peering
Cloud DNS و شبکههای قدیمی
Cloud DNS And Legacy Networks
شبکه سازی
Networking
گروههای نمونه مدیریت شده و متعادل کننده بار
Managed Instance Groups and Load Balancing
درباره این بخش
About this section
گروههای نمونه مدیریت شده و مدیریت نشده
Managed and Unmanaged Instance Groups
انواع متعادل کننده بار
Types of Load Balancing
مرور کلی متعادل کننده بار HTTP(S)
Overview of HTTP(S) Load Balancing
قوانین فورواردینگ، پراکسی هدف و نقشههای URL
Forwarding Rules Target Proxy and Url Maps
سرویس پشتیبان و پشتیبانها
Backend Service and Backends
توزیع بار و قوانین فایروال
Load Distribution and Firewall Rules
آزمایشگاه: متعادل کننده بار HTTP(S)
Lab: HTTP(S) Load Balancing
آزمایشگاه: متعادل کننده بار مبتنی بر محتوا
Lab: Content Based Load Balancing
متعادل کننده بار پراکسی SSL و پراکسی TCP
SSL Proxy and TCP Proxy Load Balancing
آزمایشگاه: متعادل کننده بار پراکسی SSL
Lab: SSL Proxy Load Balancing
متعادل کننده بار شبکه
Network Load Balancing
متعادل کننده بار داخلی
Internal Load Balancing
مقیاسسازهای خودکار (Autoscalers)
Autoscalers
آزمایشگاه: مقیاسبندی خودکار با گروههای نمونه مدیریت شده
Lab: Autoscaling with Managed Instance Groups
عملیات و امنیت
Ops and Security
درباره این بخش
About this section
StackDriver
StackDriver
لاگبرداری StackDriver
StackDriver Logging
آزمایشگاه: نظارت بر منابع Stackdriver
Lab: Stackdriver Resource Monitoring
آزمایشگاه: گزارش خطا و اشکالزدایی Stackdriver
Lab: Stackdriver Error Reporting and Debugging
Cloud Deployment Manager
Cloud Deployment Manager
آزمایشگاه: استفاده از Deployment Manager
Lab: Using Deployment Manager
آزمایشگاه: Deployment Manager و Stackdriver
Lab: Deployment Manager and Stackdriver
Cloud Endpoints
Cloud Endpoints
Cloud IAM: حسابهای کاربری، حسابهای سرویس، اعتبارنامههای API
Cloud IAM: User accounts, Service accounts, API Credentials
Cloud IAM: نقشها، پراکسی آگاه از هویت، بهترین شیوهها
Cloud IAM: Roles, Identity-Aware Proxy, Best Practices
آزمایشگاه: Cloud IAM
Lab: Cloud IAM
حفاظت از دادهها
Data Protection
عملیات و امنیت
Operations and Security
ضمیمه: اکوسیستم Hadoop
Appendix: Hadoop Ecosystem
معرفی اکوسیستم Hadoop
Introducing the Hadoop Ecosystem
Hadoop
Hadoop
HDFS
HDFS
MapReduce
MapReduce
Yarn
Yarn
Hive
Hive
مقایسه Hive و RDBMS
Hive vs. RDBMS
مقایسه HQL و SQL
HQL vs. SQL
OLAP در Hive
OLAP in Hive
Windowing در Hive
Windowing Hive
Pig
Pig
Pig بیشتر
More Pig
Spark
Spark
Spark بیشتر
More Spark
معرفی Streams
Streams Intro
Microbatches
Microbatches
انواع Window
Window Types
اکوسیستم Hadoop
Hadoop Ecosystem
نمایش نظرات