آموزش Google Cloud Professional Machine Learning Engineer Cert Prep: 3 طراحی سیستم های آماده سازی و پردازش داده ها

Google Cloud Professional Machine Learning Engineer Cert Prep: 3 Designing Data Preparation and Processing Systems

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

کسب گواهینامه مهندس حرفه‌ای یادگیری ماشین Google توانایی شما را در طراحی، ساخت و تولید مدل‌های یادگیری ماشین برای حل چالش‌های تجاری با استفاده از فناوری‌های Google Cloud و دانش مدل‌ها و تکنیک‌های ML اثبات‌شده نشان می‌دهد.

در این دوره سوم از سری آمادگی گواهینامه، مربی نوح گیفت طراحی سیستم های آماده سازی و پردازش داده ها را پوشش می دهد. او موضوعاتی را که باید در رابطه با تجزیه و تحلیل داده های اکتشافی (EDA) بدانید را پوشش می دهد، سپس نحوه ایجاد خطوط لوله داده و ایجاد ویژگی های ورودی را نشان می دهد.


سرفصل ها و درس ها

معرفی Introduction

  • بررسی اجمالی Overview

  • دوره سه اصطلاحات کلیدی Course three key terminology

  • ورود به GCP Onboard to GCP

1. کاوش داده ها 1. Exploring Data

  • گوگل کولب چیست؟ What is Google Colab?

  • تجزیه و تحلیل داده های اکتشافی برای امید به زندگی Exploratory data analysis for life expectancy

  • راه اندازی علم داده با virtualenv و pip در ویندوز Data science setup with virtualenv and pip on Windows

  • نمودارسازی داده ها برای تجزیه و تحلیل داده های اکتشافی Graphing data for exploratory data analysis

2. ساخت خطوط لوله داده 2. Building Data Pipelines

  • داده های برچسب گذاری Labeling data

  • برچسب زدن ترک مکانیکی Mechanical Turk labeling

  • پاک کردن داده ها Cleaning up data

  • مقیاس بندی داده ها Scaling data

  • خطوط لوله داده BigQuery با Colab BigQuery data pipelines with Colab

3. ایجاد ویژگی های ورودی 3. Creating Input Features

  • مفاهیم مهندسی ویژگی Feature engineering concepts

  • استخراج ویژگی ها از مجموعه داده های عمومی Extracting features from public datasets

  • تجزیه و تحلیل داده های اکتشافی با Google BigQuery Exploratory data analysis with Google BigQuery

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش Google Cloud Professional Machine Learning Engineer Cert Prep: 3 طراحی سیستم های آماده سازی و پردازش داده ها
جزییات دوره
1h
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
Noah Gift
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Noah Gift Noah Gift

کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO

Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.

نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.