لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش GCP - مهندس حرفهای یادگیری ماشین گوگل کلاد (Google Cloud Professional Machine Learning Engineer)
- آخرین آپدیت
دانلود GCP - Google Cloud Professional Machine Learning Engineer
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، بر Vertex AI، BigQuery ML، هوش مصنوعی مولد (Generative AI)، RAG، ایجنتهای هوش مصنوعی و AutoML برای تبدیل شدن به یک مهندس حرفهای ML گوگل کلاد مسلط شوید.
ساخت و آموزش مدلهای یادگیری ماشین با استفاده از BigQuery ML و جریانهای کاری SQL-based
کار با Vertex AI Model Garden برای برنامههای هوش مصنوعی متنی، تصویری و چندوجهی (Multimodal)
طراحی و استقرار مدلهای ML در محیط تولید با استفاده از AutoML و خط لولههای Vertex AI
پیادهسازی جریانهای کاری Document AI برای پردازش هوشمند اسناد
ساخت سیستمهای پیشرفته Agentic AI با استفاده از Google ADK و معماریهای چند-ایجنت
ایجاد برنامههای RAG (تولید تقویتشده با بازیابی) مقیاسپذیر با استفاده از Vertex AI RAG Engine
پیادهسازی Vector Search، Vertex AI Search و Gemini File Search API برای جستجوی هوش مصنوعی در سطح سازمانی
مدیریت ویژگیهای ML با استفاده از Vertex AI Feature Store برای سرویسدهی آنلاین و دستهای (Batch)
توسعه برنامههای Generative AI با استفاده از Google AI Studio و مدلهای Gemini
استقرار ایجنتهای ML و AI در Cloud Run و Vertex AI Agent Engine
کسب مهارتهای عملیاتی که با گواهینامه مهندس حرفهای یادگیری ماشین گوگل کلاد همسو است
پیشنیازها:
درک बुनियादी از مفاهیم یادگیری ماشین (توصیه میشود اما اجباری نیست)
آشنایی با مبانی Python و SQL
دانش پایه از خدمات Google Cloud Platform (GCP) مفید خواهد بود
یک حساب کاربری گوگل کلاد برای تمرینات عملی (Hands-on labs)
اشتیاق به یادگیری Generative AI، MLOps و استقرار مدلهای ML در دنیای واقعی
شما با تسلط بر یادگیری ماشین سرتاسری (End-to-End)، هوش مصنوعی مولد، معماریهای RAG و توسعه ایجنتها در گوگل کلاد، به یک مهندس حرفهای یادگیری ماشین گوگل کلاد آماده برای بازار کارتبدیل میشوید. این دوره کاملاً عملی است و تمام چرخه حیات ML را پوشش میدهد —از مدلسازی مبتنی بر SQL با BigQuery MLتا سیستمهای پیشرفته AI با استفاده از Vertex AI، مدلهای Gemini و Agent Development Kit (ADK).
شما با ساخت مدلهای یادگیری ماشین آماده تولید با استفاده از BigQuery MLشروع میکنید، شامل رگرسیون، درختهای تقویتشده (Boosted Trees)، طبقهبندی (Classification)، سیستمهای توصیه، تشخیص ناهنجاری با Autoencoders، پیشبینی سریهای زمانی و مهندسی ویژگیهای پیشرفته.این دوره بسیار فراتر از ML سنتی است و به شما میآموزد چگونه سیستمهای هوشمند قدرت گرفته از Generative AI را طراحی کنید. شما پروژههای کاملی را با استفاده از Document AI APIبرای پردازش اسناد در مقیاس بزرگ، خط لولههای AutoMLبرای دادههای جدولی، متنی، تصویری و پیشبینی، و ایجنتهای هوش مصنوعی سازمانی را با استفاده از Agent Development Kit (ADK)گوگل پیادهسازی خواهید کرد.در بخش توسعه ایجنتها، شما ایجنتهای شروعکننده (Starter)، ایجنتهای ابزار-محور (Tool-enabled)، سیستمهای چند-ایجنت، جریانهای کاری Stateful، ذخیرهسازی دائمی، Callbacks، و معماریهای ایجنت متوالی و موازیرا ایجاد کرده و ایجنتهای آماده تولید را در Vertex AI Agent Engine و Cloud Runمستقر میکنید.شما همچنین معماریهای مدرن AI سازمانی را طراحی خواهید کرد، از جمله:
سیستمهای Retrieval-Augmented Generation (RAG)با استفاده از Vertex AI RAG Engine
خط لولههای Vector Searchبا Embeddingها، ایندکسگذاری و کوئریها
پیادهسازیهای Vertex AI Searchبرای کاربردهای جستجوی سازمانی
پروژههای Gemini File Search APIبرای ساخت برنامههای RAG بر روی دادههای شخصی خودتان
خط لولههای Feature Storeبرای سرویسدهی آنلاین و مقیاسپذیر ML
>
علاوه بر این، یاد میگیرید چگونه برنامههای Generative AI را با استفاده از Google AI Studioبسازید، با Gemini modelsآزمایش کنید و برنامههای AI بدون زیرساختهای پیچیده ایجاد کنید.
در سرتاسر دوره، هر مفهوم را از طریق دموهای واقعی و در سطح تولیدپیادهسازی میکنید تا مهارتهای عملی شما با گواهینامه مهندس حرفهای یادگیری ماشین گوگل کلادو جریانهای کاری مدرن صنعت AI همسو شود.
Vertex AI Model Garden(تولید متن، ترجمه، هوش مصنوعی چندوجهی، تولید تصویر)
Document AI API(تجزیه فرمها، پردازش دستهای، استخراج JSON، برنامههای Gradio)
Vertex AI AutoML(دادههای جدولی، متنی، تصویری، پیشبینی، پیشبینیهای دستهای و آنلاین)
Agent Development Kit(ایجنتهای شروعکننده، ابزارها، چند-ایجنتهای Stateful، Callbacks، ایجنتهای متوالی و موازی، استقرار)
Vertex AI RAG Engineو توسعه ایجنتهای RAG
Vertex AI Searchو سیستمهای جستجوی هوش مصنوعی سازمانی
Vertex AI Vector Search(Embeddingها، ایندکسگذاری، کوئری، نگهداری)
Vertex AI Feature Store(سرویسدهی آنلاین، گروههای ویژگی)
Gemini File Search APIبرای برنامههای RAG
Google AI Studioو توسعه برنامههای هوش مصنوعی مولد
این دوره به عنوان یک نقشه راه جامع مهندسی هوش مصنوعی گوگل کلادطراحی شده است که یادگیری ماشین کلاسیک، هوش مصنوعی مولد، جریانهای کاری ایجنتیک و معماریهای جستجوی سازمانی را در یک مسیر یادگیری ساختاریافته ترکیب میکند. چه در حال آماده شدن برای گواهینامه باشید یا در حال ساخت سیستمهای AI آماده تولید، مهارتهای لازم برای طراحی، استقرار و مقیاسبندی راهکارهای یادگیری ماشین با اطمینان در گوگل کلادرا به دست خواهید آورد.
مدل رگرسیون خطی در BigQuery ML: مسئله تجاری
Linear Regression Model in BigQuery ML: Business Problem
مدل رگرسیون خطی در BigQuery ML: ایجاد مجموعه داده و جدول BigQuery
Linear Regression Model in BigQuery ML: Create BigQuery Dataset and Table
مدل رگرسیون خطی در BigQuery ML: بررسی دادهها
Linear Regression Model in BigQuery ML: Explore Data
مدل رگرسیون خطی در BigQuery ML: تقسیم دادهها به مجموعههای آموزشی و تست
Linear Regression Model in BigQuery ML: Split Data into Train and Test Sets
مدل رگرسیون خطی در BigQuery ML: ایجاد و ارزیابی مدل
Linear Regression Model in BigQuery ML: Create and Evaluate Model
مدل رگرسیون خطی در BigQuery ML: تولید پیشبینیها
Linear Regression Model in BigQuery ML: Generate Predictions
اجرای کوئریهای SQL در BigQuery SQL Notebook
Run SQL Queries in BigQuery SQL Notebook
رگرسیون با درختهای تقویتشده (Boosted Trees) بخش اول
Regression with Boosted Trees Part 1
رگرسیون با درختهای تقویتشده (Boosted Trees) بخش دوم
Regression with Boosted Trees Part 2
طبقهبندی دوگانه (Binary Classification) در BigQuery ML بخش اول
Binary Classification in BigQuery ML Part 1
طبقهبندی دوگانه (Binary Classification) در BigQuery ML بخش دوم
Binary Classification in BigQuery ML Part 2
طبقهبندی چندکلاسه با Boosted Trees Classifier بخش اول
Multiclass Classification with Boosted Trees Classifier Part 1
طبقهبندی چندکلاسه با Boosted Trees Classifier بخش دوم
Multiclass Classification with Boosted Trees Classifier Part 2
پیشبینی سریهای زمانی با BigQuery ML بخش اول
Time-Series Forecasting with BigQuery ML Part 1
پیشبینی سریهای زمانی با BigQuery ML بخش دوم
Time-Series Forecasting with BigQuery ML Part 2
فاکتورگیری ماتریسی (موتور توصیه) بخش اول
Matrix Factorization (Recommendation Engine) Part 1
فاکتورگیری ماتریسی (موتور توصیه) بخش دوم
Matrix Factorization (Recommendation Engine) Part 2
تشخیص ناهنجاری با Autoencoders بخش اول
Anomaly Detection with Autoencoders Part 1
تشخیص ناهنجاری با Autoencoders بخش دوم
Anomaly Detection with Autoencoders Part 2
مهندسی ویژگی (Feature Engineering) بخش اول
Feature Engineering Part 1
مهندسی ویژگی (Feature Engineering) بخش دوم
Feature Engineering Part 2
مهندسی ویژگی (Feature Engineering) بخش سوم
Feature Engineering Part 3
آزمون
Quiz
Vertex AI Model Garden
Vertex AI Model Garden
مقدمه: Vertex AI Model Garden
Introduction: Vertex AI Model Garden
Vertex AI Model Garden: برنامهریز سفر AI با تولید متن
Vertex AI Model Garden: AI Trip Planner with Text Generation
Vertex AI Model Garden: استخراج موجودیتها برای شرح شغلی هوشمندتر
Vertex AI Model Garden: Entity Extraction for Smarter Job Descriptions
Vertex AI Model Garden: ترجمه با قدرت AI برای شرح محصولات
Vertex AI Model Garden: AI-Powered Translation for Product Descriptions
Vertex AI Model Garden: تولید تصویر
Vertex AI Model Garden: Image Generation
Vertex AI Model Garden: هوش مصنوعی چندوجهی –ایجاد کپشن و هشتگ برای تصاویر
Vertex AI Model Garden: Multi-Modal AI – Create Image Captions & Hashtags
آزمون
Quiz
Document AI API
Document AI API
مقدمه: Document AI API
Introduction: Document AI API
پروژه Document AI API: فعالسازی API و ایجاد پردازشگر
Document AI API Project: Enable API, Create Processor
پروژه Document AI API: نصب و احراز هویت در Colab
Document AI API Project: Install & Authenticate in Colab
پروژه Document AI API: پیکربندی
Document AI API Project: Configuration
پروژه Document AI API: کمکیهای GCS
Document AI API Project: GCS Helpers
پروژه Document AI API: اجرای تجزیه فرمهای دستهای بر روی PDFهای GCS
Document AI API Project: Run Batch Form Parser on GCS PDFs
پروژه Document AI API: کمکیهای تجزیه (Parse helpers)
Document AI API Project: Parse helpers
پروژه Document AI API: ایجاد فایل اکسل برای هر JSON
Document AI API Project: Create Excel for Each JSON
برنامه Gradio: تجزیه فرمهای Document AI
Gradio Application: Document AI Form Parsing
آزمون
Quiz
AutoML
AutoML
AutoML برای دادههای جدولی: آمادهسازی دادهها
AutoML for Tabular Data: Prepare Data
AutoML برای دادههای جدولی: ایجاد مجموعه داده Vertex AI و آموزش مدل ML
AutoML for Tabular Data: Create Vertex AI Dataset, Train ML Model
AutoML برای دادههای جدولی: استقرار Endpoint و انجام پیشبینیها
AutoML for Tabular Data: Deploy Endpoint, Make Predictions
AutoML برای دادههای جدولی: پیشبینی دستهای (Batch Prediction)
AutoML for Tabular Data: Batch Prediction
AutoML برای دادههای جدولی: حذف منابع
AutoML for Tabular Data: Delete Resources
AutoML Forecasting: آمادهسازی دادهها، ایجاد مجموعه داده Vertex AI و آموزش مدل ML
AutoML Forecasting: Prepare Data, Create Vertex AI Dataset, Train ML Model
نمایش نظرات