آموزش (GCP-PDE) آماده‌سازی و استفاده از داده‌ها برای تحلیل - آخرین آپدیت

دانلود (GCP-PDE) Preparing and Using Data for Analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سازمان‌ها اغلب در آماده‌سازی داده‌ها برای تحلیل و یادگیری ماشین به گونه‌ای که تعادلی بین عملکرد، حاکمیت داده و امنیت در ابزارها و ورک‌لودهای مختلف ایجاد کند، با چالش روبرو هستند. در این دوره آموزشی با عنوان (GCP-PDE) آماده‌سازی و استفاده از داده‌ها برای تحلیل، شما توانایی آماده‌سازی، بهینه‌سازی و ایمن‌سازی داده‌ها را برای BI با کارایی بالا، گزارش‌دهی و جریان‌های کاری AI/ML در گوگل کلاود (Google Cloud) کسب خواهید کرد. ابتدا، نحوه اتصال BigQuery به ابزارهای تحلیلی، پیش‌محاسبه فیلدها، ساخت مجموعه‌ها (Aggregates) و عیب‌یابی پرس‌وجوهای کند را برای اطمینان از داشتن داشبوردهای سریع و قابل اعتماد بررسی می‌کنید. سپس، نحوه اعمال ماسک‌گذاری داده‌ها (Data Masking)، امنیت در سطح ردیف و ستون و تکنیک‌های Cloud DLP را برای محافظت از اطلاعات حساس در عین فعال‌سازی تحلیل‌های کنترل‌شده خواهید آموخت. در نهایت، روش‌های آماده‌سازی داده‌ها برای یادگیری ماشین و جریان‌های کاری RAG، شامل مهندسی ویژگی‌ها (Feature Engineering)، BigQuery ML، Embeddingها و پردازش داده‌های بدون ساختار را یاد می‌گیرید. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه آماده‌سازی داده‌ها و بهینه‌سازی تحلیلی را برای ساخت خط لوله‌های (Pipelines) تحلیلی و هوش مصنوعی آماده برای محیط عملیاتی کسب کرده و قادر خواهید بود به سوالات مربوط به این مبحث در آزمون گواهینامه Professional Data Engineer پاسخ دهید.

سرفصل ها و درس ها

آماده‌سازی داده‌ها برای بصری‌سازی Preparing Data for Visualization

  • نیازمندی‌های سیستم و نرم‌افزاری System and Software Requirements

  • ابزارهای BI و تحلیل با BigQuery BI and Analytics Tools with BigQuery

  • معرفی Looker و Looker Studio Looker and Looker Studio

  • دمو: ایجاد گزارش در Looker Studio Demo: Creating a Looker Studio Report

  • معرفی BI Engine BI Engine

  • مشکلات عملکرد و عیب‌یابی در BigQuery Performance Issues and Troubleshooting in BigQuery

  • تکنیک‌های بهینه‌سازی BigQuery BigQuery Optimization Techniques

امنیت و ماسک‌گذاری داده‌ها Data Security and Masking

  • ایمن‌سازی BigQuery Securing BigQuery

  • امنیت در سطح ردیف و ستون در BigQuery BigQuery Row-level and Column-level Security

  • دمو: اعمال امنیت در سطح ردیف Demo: Applying Row-level Security

  • دمو: اعمال امنیت در سطح ستون Demo: Applying Column-level Security

  • توابع AEAD AEAD Functions

آماده‌سازی داده‌ها برای هوش مصنوعی و یادگیری ماشین Preparing Data for AI and ML

  • معرفی Vertex AI Vertex AI

  • ترکیب BigQuery ML و Vertex AI BigQuery ML and Vertex AI

  • آشنایی با BigQuery ML Introducing BigQuery ML

  • مدل‌های بومی (Native) در BigQuery Native Models in BigQuery

  • مدل‌های وارد شده (Imported) در BigQuery Imported Models in BigQuery

  • مدل‌های راه دور (Remote) در BigQuery Remote Models in BigQuery

  • دمو: آموزش و ارزیابی مدل‌ها با استفاده از BigQuery ML Demo: Training and Evaluating Models Using BigQuery ML

  • هوش مصنوعی مولد و Model Garden Generative AI and Model Garden

  • اعمال مدل‌های مولد بر روی داده‌های سازمانی Applying Generative Models on Enterprise Data

  • نمایش‌های Embedding داده‌ها Embedding Representations of Data

  • تولید تقویت شده بازیابی (RAG) Retrieval Augmented Generation

اشتراک‌گذاری و انتشار داده‌ها Sharing and Publishing Data

  • معرفی اشتراک‌گذاری BigQuery (Analytics Hub) Introducing BigQuery Sharing (Analytics Hub)

  • ناشران و مشترکین Publishers and Subscribers

  • اجزا و جریان کاری ناشر Publisher Components and Workflow

  • اجزا و جریان کاری مشترک Subscriber Components and Workflow

  • دمو: اشتراک‌گذاری BigQuery (Analytics Hub) Demo: BigQuery Sharing (Analytics Hub)

  • صورت‌حساب و هزینه‌ها در اشتراک‌گذاری BigQuery Billing and Fees in BigQuery Sharing

آمادگی برای آزمون Exam Preparation

  • مباحث مهم برای آزمون Important Topics for the Exam

  • نمونه سوالات آزمون Examples of Exam Questions

نمایش نظرات

آموزش (GCP-PDE) آماده‌سازی و استفاده از داده‌ها برای تحلیل
جزییات دوره
2h 3m
31
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.