آموزش Data Science on Google Cloud Platform: تجزیه و تحلیل داده های اکتشافی

Data Science on Google Cloud Platform: Exploratory Data Analytics

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: رایانش ابری مقیاس پذیری و کشش نامحدودی را برای برنامه های کاربردی علوم داده به ارمغان می آورد. تخصص در سیستم عامل های بزرگ مانند Google Cloud Platform (GCP) برای متخصص فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه های متخصص مهندسی ابر و دانشمند داده Kumaran Ponnambalam - نحوه انجام تجزیه و تحلیل داده های اکتشافی با GCP را نشان می دهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس کار را شروع کنید ، زیرا یاد می گیرید که هم متن و هم تجزیه و تحلیل بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab ، BigQuery ، Cloud Dataflow و Data Studio. سرانجام ، به یک مورد استفاده از انتها به انتها نگاه کنید که آنچه را در این دوره آموخته اید ، به کار می برد.
موضوعات شامل:
  • راه اندازی Cloud DataLlb برای تجزیه و تحلیل داده های اکتشافی
  • تقسیم بندی و نمایه سازی
  • خواندن و نوشتن داده ها از BigQuery
  • مدیریت سطل های ذخیره سازی ابر
  • ایجاد تجسم داده های BigQuery با GCP Charting API
  • مدیریت موارد Datalab

سرفصل ها و درس ها

مقدمه Introduction

  • چرا EDA در Datalab؟ Why EDA on Datalab?

  • ماژول های علم داده را پوشانده است Data science modules covered

1. گزینه های اکتشاف در GCP 1. Exploration Options in GCP

  • BigQuery BigQuery

  • داتلاب Datalab

  • استودیو داده Data Studio

  • Cloud Dataflow Cloud Dataflow

2. مبانی Cloud Datalab 2. Cloud Datalab Basics

  • Datalab چیست؟ What is Datalab?

  • تنظیم Cloud SDK Setting up the Cloud SDK

  • تنظیم Datalab Setting up Datalab

  • مدیریت Datalab Managing Datalab

  • با استفاده از پرونده های تمرینی Using the exercise files

  • سایر قابلیت ها Other capabilities

3. Datalab: BigQuery 3. Datalab: BigQuery

  • تنظیم BigQuery Setting up BigQuery

  • دستورات BigQuery BigQuery commands

  • خواندن داده از BigQuery Reading data from BigQuery

  • کار با DataFrames Working with DataFrames

  • نوشتن داده ها به BigQuery Writing data to BigQuery

4. Datalab: Cloud Storage 4. Datalab: Cloud Storage

  • لیست محتوای سطل Listing bucket contents

  • مدیریت سطل Managing buckets

  • خواندن اشیاء از سطل Reading objects from a bucket

  • نوشتن به سطل Writing to buckets

5. Datalab: تجسم 5. Datalab: Visualizations

  • معرفی API نمودار Introduction to the charting API

  • نمودارهای خط با داده های BigQuery Line charts with BigQuery data

  • نمودارهای پای با داده های BigQuery Pie charts with BigQuery data

  • تجزیه و تحلیل سری زمانی با ذخیره سازی ابر Time series analysis with Cloud Storage

6. EDA با GCP: از Case استفاده کنید 6. EDA with GCP: Use Case

  • بارگیری داده ها در DataFrame Loading data into a DataFrame

  • پاکسازی و تبدیل داده ها Cleansing and transforming data

  • آمار و همبستگی Statistics and correlations

  • تقسیم بندی و پروفایل Segmentation and profiling

  • نوشتن نتایج به Cloud Storage Writing results to Cloud Storage

7. مدیریت Datalab 7. Managing Datalab

  • مدیریت نمونه Datalab Datalab instance management

  • اضافه کردن بسته های جدید Adding new packages

  • مدیریت کد منبع Managing source code

  • بهترین روش های Datalab Datalab best practices

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش Data Science on Google Cloud Platform: تجزیه و تحلیل داده های اکتشافی
جزییات دوره
57m 30s
35
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
15,959
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.