آموزش GCP - گواهی مهندس داده حرفه ای Google Cloud

GCP - Google Cloud Professional Data Engineer Certification

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: گواهینامه مهندس داده حرفه‌ای Google Cloud را با بیش از 80 نسخه آزمایشی کاربردی در زمینه ذخیره‌سازی، پایگاه داده، خدمات ML GCP یاد بگیرید. ذخیره‌سازی ابری، دیسک، فایل‌های ذخیره‌سازی برای راه‌حل داده‌های ساختار داده بدون ساختار - SQL، آچار، BigQuery داده‌های نیمه ساختار عظیم را در BigTable ذخیره می‌کند، Datastore Deploy Data Pipeline در محصولات مختلف پردازش داده - DataFlow (پرتو Apache)، DataProc (Hadoop/Spark)، Data Fusion, Composer(Airflow) داده‌های خود را با DataPrep Learning Machine Basics و راه حل GCP آن پاکسازی کنید، کامپوزر (Airflow) داده‌های خود را از فهرست داده‌ها جستجو کنید. ) در برنامه خود، Auto ML را روی داده‌های خود اعمال کنید تا مدل بسازید، مدل سفارشی یادگیری ماشین با نوت‌بوک بسازید، کتابخانه یادگیری Scikit استقرار مدل Scikit-learn، Tensorflow به عنوان نقطه پایانی برای پیش‌بینی شناسایی داده‌های PII حساس با فرآیند ذخیره API پیشگیری از از دست دادن داده (DLP) و داده های خود را در مقیاس پتابایت با راه حل انبار داده گوگل تجزیه و تحلیل کنید. حساب - (کارت بدهی یا اعتباری معتبر)

Google Cloud Platform GCP سریعترین رشد ابر عمومی است. گواهینامه PDE (مهندس حرفه ای Cloud Data) گواهی است که به استقرار Data Pipeline در فضای ابری GCP کمک می کند.

این دوره دارای بیش از 16 ساعت محتوای ویدئویی فوق‌العاده با بیش از 80 آزمایشگاه عملی (عملی‌ترین دوره) است

---------------------------------------------- -------------------

برخی از بازخوردها در مورد دوره از STUDENTS:

5 ⭐- ankits توصیه شده برای همه دوره گواهینامه GCP. همه دوره های بسیار جامع و کاملا عملی هستند.

5 ⭐ - نمای کلی عالی از همه موضوعات، دوره بسیار توصیه شده

توضیح خوبی در مورد سرویس های داده مختلف

5 ⭐ - یکی از دوره های عالی مهندسی داده GCP که من تا به حال تماشا کرده ام، چیزهای زیادی یاد گرفته ام، ممنون @ankit Mistry.

5 ⭐ - مدرس توضیحات بسیار دقیق و قابل درک ارائه می دهد. علاوه بر این، او مفاهیم نظری داخل کنسول ابری گوگل را بررسی می کند. بنابراین، بسیار کاربردی است، همچنین. من به شدت توصیه می کنم.

5 ⭐ - دوره خوبی با کارهای عملی زیاد برای پیگیری و یادگیری.

---------------------------------------------- -------------------

  • آیا می‌خواهید خط لوله داده را در GCP مستقر کنید.

  • آیا می‌خواهید درباره ارائه محصولات مختلف ذخیره‌سازی، پایگاه داده، پردازش، ML توسط GCP اطلاعات کسب کنید تا اطلاعاتی در مورد داده‌ها به دست آورید.

  • آیا می‌خواهید پردازش داده را در جایی انجام دهید که بزرگترین برنامه اینترنت مانند جستجوی Google، YouTube، GMAIL (برنامه میلیارد کاربر) داده‌های خود را ذخیره می‌کند، داده‌ها را پردازش می‌کند و با ML از داده‌های شما اطلاعاتی معنادار پیدا می‌کند

اگر بله، شما در جای درستی هستید.

---------------------------------------------- -------------------

چرا ابر، GCP، گواهینامه، مهندسی داده؟

  • Cloud آینده است، GCP سریعترین رشد ابر عمومی است.

  • 87% از افراد دارای گواهینامه Google Cloud نسبت به مهارت‌های ابری خود اطمینان بیشتری دارند.

  • بیش از 1 نفر از هر 4 نفر از افراد دارای گواهینامه Google Cloud، مسئولیت یا نقش های رهبری بیشتری را در محل کار بر عهده گرفتند.

---------------------------------------------- -------------------

Google Cloud: گواهینامه مهندس حرفه‌ای داده‌های ابری بهترین راه برای سرمایه‌گذاری زمان و انرژی برای افزایش تقاضای پردازش ذخیره‌سازی داده شما است.

من برای کمک به شما در سفر به سمت گواهینامه مهندس داده ابری حرفه ای Google Cloud خارج شدم.

بنابراین، من عملی ترین دوره جامع را ایجاد کردم که شما را برای گواهینامه مهندس حرفه ای Cloud Data با داشتن بیش از 16 ساعت محتوای ویدئویی با کیفیت HD آماده می کند.

---------------------------------------------- -------------------

چرا در این دوره ثبت نام کنید؟

من به یادگیری از طریق انجام دادن اعتقاد دارم و این دوره بسیار عملی است

  • بیش از 80 نسخه آزمایشی عملی

  • 80% عملی + 20% تئوری - دوره بسیار کاربردی

  • بسیار مرتبط با مباحث امتحان

  • تمام موضوعات اصلی مربوط به ذخیره سازی، پایگاه داده، پردازش ML

    را پوشش می دهد
  • حداقل در اسلایدها + حداکثر در کنسول ابری GCP

---------------------------------------------- -------------------

برای مشاهده عمق پوشش دوره، به برنامه درسی دوره نگاهی بیندازید.

موضوع اصلی این دوره گواهینامه عبارتند از:

---------------------------------------------- -------------------

1. خدمات اساسی GCP مهندسی داده

در این ماژول من با خط لوله مهندسی داده،

شروع خواهم کرد

انواع مختلف داده: داده‌های ساختاری، داده‌های نیمه ساختاریافته، داده‌های بدون ساختار، برخی مفاهیم مربوط به پردازش دسته‌ای داده و مفاهیم مرتبط با GCP جریان داده‌ها مانند منطقه و مناطق GCP، نحوه ایجاد یک حساب GCP از سرویس‌های مختلف GCP ارائه شده از دیدگاه مهندسی داده.

سپس سرویس‌های زیرساخت اصلی GCP مانند IAM، VM، ارائه kubernetes، موتور برنامه، اجرای ابر و استقرار عملکرد ابری را خواهیم دید.

---------------------------------------------- -------------------

2. ذخیره سازی داده در GCP

در این ماژول به شما محصولات مختلف ذخیره‌سازی داده را برای ذخیره داده‌های بدون ساختار، ذخیره‌سازی ابری Google، ذخیره‌سازی فایل‌ها، ذخیره‌سازی دائمی دیسک، ذخیره‌سازی محلی SSD و نحوه انتقال داده از محل به GCP را آموزش می‌دهم.

---------------------------------------------- -------------------

3. ارائه پایگاه داده توسط GCP

در این ماژول راه حل پایگاه داده برای ذخیره سازی داده های ساختار یافته نیمه ساختار یافته را به شما آموزش می دهم.

  • برای ذخیره داده‌های ساخت‌یافته در GCP، یک Google cloud SQL داریم و یک آچار ابری در دسترس است.

  • برای داده‌های نیمه ساختاریافته در داخل GCP، یک BigTable Google cloud، DataStore/firestore و حافظه ذخیره‌سازی MemoryStore در دسترس داریم

---------------------------------------------- -------------------

4. پردازش داده در GCP

در این بخش پردازش داده، راه حل پردازش داده های تحلیلی انباره داده google cloud BigQuery را آغاز می کنیم و برای ارتباط ناهمزمان، خدمات Google cloud PubSub را مشاهده خواهیم کرد.

برای توسعه خط لوله کامل در داخل GCP -

  • راه حل پرتو Apache جریان داده در داخل ابر Google

  • Google cloud DataProc برای بالا بردن و جابجایی Hadoop و Spark job

  • بدون نوشتن کد فقط با کشیدن و رها کردن، خط لوله کامل را با ترکیب داده های ابری بسازید

  • نویسنده را زیر نظر بگیرید و یک گردش کار کامل را برنامه ریزی کنید، جریان هوای Apache داریم - Cloud Composer در دسترس است

  • برای شناسایی داده‌های حساس و قابل شناسایی شخصی API پیشگیری از از دست دادن داده - DLP

  • جستجو برای یا همه مجموعه داده ها در یک مکان واحد کاتالوگ داده در دسترس است

---------------------------------------------- -------------------

5. ارائه ML/AI در GCP

در این ماژول با اصول یادگیری ماشینی

شروع خواهیم کرد

داده‌های خود را با ابزار آماده‌سازی داده هوشمند Dataprep قبل از پرتاب همه داده‌ها به الگوریتم یادگیری ماشین آماده کنید

ما APIهای مختلف از پیش ساخته شده یادگیری ماشینی را برای بینایی، زبان و گفتار خواهیم دید

دو مدل یادگیری ماشین خودکار با AutoML

ساخت مدل یادگیری ماشین سفارشی با چارچوب های مختلف تنسورفلو، scikit Learn و Pytorch

Bigquery ML برای آموزش یادگیری ماشین با SQL

در پایان نحوه ایجاد گزارش های زیبا و تجسم با ابزار استودیوی داده ابری گوگل در مرورگر را خواهیم دید

---------------------------------------------- -------------------

این دوره همچنین همراه با:

است
  • دسترسی مادام العمر به تمام به روز رسانی های مواد دوره

  • بخش Q A

  • 30 روز ضمانت بازگشت وجه - "بدون سوال"

  • گواهی تکمیل Udemy

بنابراین، منتظر چه چیزی هستید، همین حالا ثبت نام کنید و من شما را در داخل دوره می بینم.

با احترام

Ankit Mistry


سرفصل ها و درس ها

معرفی Introduction

  • مهندس داده - بررسی اجمالی گواهینامه Data Engineer - Certification Overview

  • نکات Udemy Udemy Tips

  • سوالات متداول دوره Course FAQ

  • راهنمای دوره Course Walkthrough

  • دانلودهای دوره Course Downloads

مفاهیم مهندسی داده Data Engineering Concepts

  • بررسی اجمالی مهندسی داده Data engineering Overview

  • انواع داده ها Types of Data

  • داده های دسته ای در مقابل داده های جریانی Batch Data vs Streaming Data

GCP اساسی GCP Fundamental

  • منطقه و مناطق GCP GCP Region & Zones

  • حساب رایگان GCP Tier ایجاد کنید Create GCP Free Tier Account

  • نکاتی درباره حساب GCP Notes about GCP Account

  • خدمات GCP (آزمون مهندسی داده) GCP services (Data Engineering Exam)

خدمات پایه GCP GCP Basic Services

  • بخش مقدمه Section Introduction

  • مبانی IAM - هویت IAM Basics - Identity

  • [دستی] IAM - نقش‌ها و مجوزها [Hands-on] IAM - Roles & Permissions

  • [دستی] نقش ها را به هویت اختصاص دهید [Hands-on] Assign Roles to Identity

  • بازخورد شما مهم است Your feedback is Important

  • [دستی] IAM - حساب خدمات [Hands-on] IAM - Service Account

  • موتور محاسباتی تامین کننده (IAAS) [Hands-on] Provisioning Compute Engine (IAAS)

  • [کاربردی] استقرار برنامه در موتور برنامه (PAAS) [Hands-on] Deploy Application on App Engine (PAAS)

  • [کاربردی] استقرار برنامه Containerized در Google Kubernetes Engine - GKE (CAAS) [Hands-on] Deploy Containerized app on Google Kubernetes Engine - GKE (CAAS)

  • یادداشت Notes

  • ایجاد تصاویر First Docker - V2 Create First Docker images - V2

  • بهینه سازی تصویر Docker و اجرای Docker Container - V2 Optimize Docker image & Run Docker Container - V2

  • Push Docker Image به Container Registry - V2 Push Docker Image to Container registry - V2

  • [Hands-on] Cloud Run [Hands-on] Cloud Run

  • [دستی] عملکرد ابر [Hands-on] Cloud Function

-------------------- محصول ذخیره سازی -------------------- -------------------- Storage Product --------------------

  • مروری بر محصولات مختلف ذخیره سازی Overview of Different Storage Product

Google Cloud Storage Google Cloud Storage

  • معرفی Google Cloud Storage Introduction to Google Cloud Storage

  • مکان ذخیره سازی و کلاس ذخیره سازی Storage Location & Storage Class

  • [دستی] ذخیره سازی ابری [Hands-on] Cloud Storage

  • [دستی] مدیریت چرخه حیات شی [Hands-on] Object Lifecycle management

  • [دستی] داده های ایمن با رمزگذاری [Hands-on] Secure Data with Encryption

  • [دستی] داده های ایمن با رمزگذاری Cntd... [Hands-on] Secure Data with Encryption Cntd...

  • [دستی] ویرایش شی [Hands-on] Object Versioning

  • بخش کنترل دسترسی به فضای ذخیره‌سازی ابری - I [Hands-on] Cloud Storage Access Control Part - I

  • بخش کنترل دسترسی به فضای ذخیره‌سازی ابری - بخش دوم [Hands-on] Cloud Storage Access Control Part - II

  • [دستی] URL امضا شده - دسترسی موقت [Hands-on] Signed URL - Temporary Access

  • سیاست حفظ سطل [Hands-on] Bucket Retention Policy

  • قیمت گذاری GCS GCS Pricing

خدمات انتقال داده Data Transfer Services

  • مهاجرت - خدمات انتقال داده Migration - Data migration Services

  • [دستی] مهاجرت - خدمات انتقال داده [Hands-on] Migration - Data migration Services

ذخیره‌سازی بلوک ابری و فروشگاه فایل Cloud Block Storage & File Store

  • [دستی] ذخیره سازی بلوک: دیسک پایدار - SSD محلی [Hands-on] Block Storage : Persistence Disk - Local SSD

  • [دستی] فروشگاه فایل [Hands-on] File Store

  • ذخیره سازی - چه زمانی باید از چه فضای ذخیره سازی استفاده کرد Storage - Which storage to use when

مفاهیم پایگاه داده Database concepts

  • موضوعات تحت پوشش - مفاهیم پایگاه داده Topics Covered - database concepts

  • OLTP در مقابل OLAP OLTP vs OLAP

  • مقیاس بندی عمودی در مقابل افقی Vertical vs Horizontal Scaling

  • RPO و RTO RPO & RTO

  • در دسترس بودن و دوام Availability & Durability

-------------------- محصولات پایگاه داده GCP -------------------- -------------------- GCP Database Products --------------------

  • محصول مختلف پایگاه داده GCP Different GCP Database Product

Google Cloud SQL Google Cloud SQL

  • مقدمه ای بر Cloud SQL Introduction to Cloud SQL

  • [Hands-on] Provision Cloud SQL instance [Hands-on] Provision Cloud SQL instance

  • [دستی] Cloud SQL را متصل کنید [Hands-on] Connect Cloud SQL

  • [عملی] انتقال پایگاه داده به Cloud SQL [Hands-on] Database Migrate to Cloud SQL

  • [دستی] Cloud SQL Failover [Hands-on] Cloud SQL Failover

  • [دستی] Cloud SQL Console Explore [Hands-on] Cloud SQL Console Explore

Google Cloud Spanner Google Cloud Spanner

  • مقدمه ای بر Cloud Spanner Introduction to Cloud Spanner

  • بازخورد شما مهم است Your feedback is Important

  • [دستی] قسمت آچار ابری - اول [Hands-on] Cloud Spanner Part - I

  • [دستی] Cloud Spanner قسمت - II [Hands-on] Cloud Spanner Part - II

  • حذف نمونه آچار Delete Spanner Instance

  • از کدام RDBMS چه زمانی استفاده شود Which RDBMS to use When

ذخیره سازی داده های نیمه ساختاری - NoSQL Semi-structure Data Storage - NoSQL

  • مقدمه ای بر NoSQL Introduction to NoSQL

Cloud Firestore & Datastore Cloud Firestore & Datastore

  • معرفی دیتا استور Introduction to Datastore

  • [دستی] Cloud Datastore [Hands-on] Cloud Datastore

  • [دستی] Cloud Firestore [Hands-on] Cloud Firestore

Cloud MemoryStore Cloud MemoryStore

  • [دستی] Cloud MemoryStore Redis Part - I [Hands-on] Cloud MemoryStore Redis Part - I

  • [دستی] Cloud MemoryStore Redis Part - II [Hands-on] Cloud MemoryStore Redis Part - II

Cloud Bigtable Cloud Bigtable

  • مقدمه ای بر Cloud BigTable Introduction to Cloud BigTable

  • [دستی] Cloud BigTable - ایجاد نمونه [Hands-on] Cloud BigTable - Create Instance

  • [دستی] Cloud BigTable - خط فرمان CBT [Hands-on] Cloud BigTable - CBT Command Line

  • Cloud BigTable Pricing Cloud BigTable Pricing

--------------------- محصول پردازش داده و اکتشاف -------------------- -------------------- Data Processing Product & Exploration --------------------

  • راه حل GCP پردازش داده های مختلف Different Data Processing GCP Solution

Google BigQuery Google BigQuery

  • مقدمه ای بر Cloud BigQuery Introduction to Cloud BigQuery

  • نکاتی درباره حساب GCP Notes about GCP Account

  • [دستی] رابط کاربری BigQuery + مجموعه داده عمومی را کاوش کنید [Hands-on] Explore BigQuery UI + Public Dataset

  • [کاربردی] کاوش BigQuery UI + Public Dataset Contd... [Hands-on] Explore BigQuery UI + Public Dataset Contd...

  • [دستی] داده ها را از محلی آپلود کنید [Hands-on] Upload Data from Local

  • قیمت گذاری Google BigQuery Google BigQuery Pricing

Google Cloud PubSub Google Cloud PubSub

  • معرفی PubSub Introduction to PubSub

  • [دستی] Cloud PubSub بخش - I (کنسول) [Hands-on] Cloud PubSub Part - I (Console)

  • [دستی] Cloud PubSub قسمت - II (کنسول) [Hands-on] Cloud PubSub Part - II (Console)

  • [دستی] Cloud PubSub با پایتون [Hands-on] Cloud PubSub with Python

  • [دستی] موضوع Cloud PubSub با طرحواره [Hands-on] Cloud PubSub Topic with Schema

  • [دستی] Cloud PubSub با Gcloud [Hands-on] Cloud PubSub with Gcloud

Cloud DataFlow Cloud DataFlow

  • مقدمه Cloud DataFlow Introduction Cloud DataFlow

  • [دستی] Cloud DataFlow - کار WordCount [Hands-on] Cloud DataFlow - WordCount Job

  • [دستی] Cloud Dataflow - ارسال کار با الگوی از پیش تعریف شده [Hands-on] Cloud Dataflow - Submit Job With Pre-defined Template

  • [دستی] Cloud DataFlow - بخش نمونه نوت بوک - I [Hands-on] Cloud DataFlow - Notebook Instance Part - I

  • [دستی] Cloud DataFlow - بخش نمونه نوت بوک - II [Hands-on] Cloud DataFlow - Notebook Instance Part - II

  • [دستی] Cloud DataFlow - ارسال کار سفارشی [Hands-on] Cloud DataFlow - Submit Custom Job

Cloud DataProc Cloud DataProc

  • مقدمه Cloud DataProc Introduction Cloud DataProc

  • [دستی] ایجاد Cloud DataProc Cluster [Hands-on] Create Cloud DataProc Cluster

  • [دستی] Cloud DataProc - ارسال Spark Job [Hands-on] Cloud DataProc - Submit Spark Job

  • [دستی] Cloud DataProc - کار PySpark را ارسال کنید [Hands-on] Cloud DataProc - Submit PySpark Job

  • [دستی] نمونه نوت بوک Cloud DataProc [Hands-on] Cloud DataProc Notebook Instance

Cloud Data Fusion Cloud Data Fusion

  • [دستی] مقدمه ای بر Data Fusion - ایجاد نمونه [Hands-on] Introduction to Data Fusion - Create Instance

  • [دستی] Data Fusion - Deploy Pipeline [Hands-on] Data Fusion - Deploy Pipeline

  • [دستی] Data Fusion - اجرای خط لوله در DataProc Cluster - ناموفق [Hands-on] Data Fusion - Run Pipeline on DataProc Cluster - Failed

  • [دستی] Data Fusion - اجرای Pipeline در DataProc Cluster - موفقیت آمیز [Hands-on] Data Fusion - Run Pipeline on DataProc Cluster - success

Cloud Composer - Apache Airflow Cloud Composer - Apache Airflow

  • [دستی] مقدمه ای بر آهنگساز - ایجاد نمونه [Hands-on] Introduction to Composer - Create Instance

  • [دستی] اولین DAG را در Cloud Composer ایجاد کنید [Hands-on] Create First DAG in Cloud Composer

DLP - API پیشگیری از از دست دادن داده DLP - Data Loss Prevention API

  • مقدمه ای بر DLP API Introduction to DLP API

  • نسخه ی نمایشی DLP API [Hands-on] DLP API Demo

  • TEMPLATES، INFO_TYPES و MATCH TEMPLATES, INFO_TYPES & MATCH

  • [دستی] ایجاد INFO_TYPE ذخیره شده [Hands-on] Create Stored INFO_TYPE

  • [دستی] ایجاد الگو [Hands-on] Create Template

  • [دستی] ایجاد شغل برای بازرسی [Hands-on] Create Job For Inspection

  • [دستی] الگو برای شناسایی هویت [Hands-on] Template for De-Identification

کاتالوگ داده ها Data Catalog

  • مقدمه ای بر کاتالوگ داده ها Introduction to Data Catalog

  • [دستی] کاتالوگ داده - جستجو - الگوی برچسب [Hands-on] Data Catalog - Search - Tag Template

-------------------- بخش تجزیه و تحلیل داده ها و ML -------------------- -------------------- Data Analysis & ML Section --------------------

  • معرفی ماژول Module Introduction

مبانی یادگیری ماشینی Machine learning Basics

  • یادگیری ماشین چیست What is Machine Learning

  • انواع مختلف سیستم ML Different Types of ML System

  • گردش کار یادگیری ماشین Machine Learning Workflow

  • راه حل GCP برای یادگیری ماشین GCP solution for Machine Learning

آماده سازی داده ها با DataPrep Data Preparation with DataPrep

  • مقدمه ای بر DataPrep Introduction to DataPrep

  • [دستی] Cloud DataPrep قسمت - I [Hands-on] Cloud DataPrep Part - I

  • [دستی] Cloud DataPrep قسمت - II [Hands-on] Cloud DataPrep Part - II

  • [دستی] Cloud DataPrep قسمت - III [Hands-on] Cloud DataPrep Part - III

API های ML: مدل از پیش ساخته شده ML APIs : Pre-Built Model

  • مقدمه ای بر مدل از پیش ساخته شده Introduction to Pre-built Model

  • نسخه ی نمایشی Vision API [Hands-on] Vision API Demo

  • نسخه ی نمایشی Vision API با Gcloud [Hands-on] Vision API Demo with Gcloud

  • نسخه آزمایشی Vision API - Python SDK [Hands-on] Vision API Demo - Python SDK

  • نسخه آزمایشی API زبان طبیعی - gcloud قسمت اول [Hands-on] Natural Language API Demo - gcloud Part I

  • [دستی] نسخه آزمایشی API زبان طبیعی - gcloud قسمت - دوم [Hands-on] Natural Language API Demo - gcloud Part - II

  • نسخه آزمایشی API زبان طبیعی - Python SDK [Hands-on] Natural Language API Demo - Python SDK

  • [دستی] نسخه ی نمایشی API گفتار به متن [Hands-on] Speech to Text API Demo

  • قیمت گذاری API از پیش ساخته شده ML ML Prebuilt API Pricing

یادگیری ماشین خودکار Auto Machine Learning

  • یادگیری ماشین خودکار چیست؟ What is Auto Machine Learning

  • [دستی] طبقه بندی متن با خودکار ML بخش - I [Hands-on] Text Classification with Auto ML Part - I

  • [دستی] طبقه بندی متن با خودکار ML قسمت - II [Hands-on] Text Classification with Auto ML Part - II

  • [دستی] طبقه بندی متن با خودکار ML قسمت - III [Hands-on] Text Classification with Auto ML Part - III

  • [دستی] تشخیص گونه‌های گل با Auto ML Part - I [Hands-on] Flower Species recognition with Auto ML Part - I

  • [دستی] تشخیص گونه‌های گل با Auto ML Part - II [Hands-on] Flower Species recognition with Auto ML Part - II

  • [دستی] تشخیص گونه‌های گل با Auto ML Part - III [Hands-on] Flower Species recognition with Auto ML Part - III

یادگیری ماشین سفارشی Custom machine Learning

  • رویکرد آموزشی سفارشی در GCP - Notebook Custom Training Approach in GCP - Notebook

  • [دستی] ایجاد مدل در Scikit-learn Framework [Hands-on] Create Model in Scikit-learn Framework

  • [دستی] وارد کردن مدل در Vertex API - Deploy Endpoint [Hands-on] Import Model in Vertex API - Deploy Endpoint

  • [دستی] تست EndPoint [Hands-on] Test EndPoint

BigQuery ML BigQuery ML

  • مقدمه ای بر BigQuery ML Introduction to BigQuery ML

  • کد برای بخش Code for section

  • [دستی] BigQuery ML [Hands-on] BigQuery ML

Google Datastudio Google Datastudio

  • [کاربردی] Google Cloud DataStudio - I [Hands-on] Google Cloud DataStudio - I

  • [کاربردی] Google Cloud DataStudio - II [Hands-on] Google Cloud DataStudio - II

متشکرم Thank You

  • سخنرانی پاداش Bonus Lecture

------ دوره Apache Beam ------- ------ Apache Beam course -------

  • به Apache Beam خوش آمدید Welcome to Apache Beam

بخش مقدمه در پرتو آپاچی Introduction Section on Apache Beam

  • آشنایی با پرتو آپاچی Introduction to Apache Beam

  • چگونه پرتو آپاچی متولد شد How Apache Beam Born

  • آیا پرتو آپاچی سریع است Is Apache Beam fast

  • معماری پرتو Beam Architecture

  • برنامه نویسی پرتو Beam Programming

  • نصب پرتو آپاچی Apache Beam Installation

خط لوله داده با پرتو آپاچی Data Pipeline with Apache Beam

  • اولین خط لوله را با استفاده از Beam - I ایجاد کنید Create first Pipeline using Beam - I

  • اولین خط لوله را با استفاده از Beam - II ایجاد کنید Create first Pipeline using Beam - II

  • همه کدها را در یک سلول ترکیب کنید Combine all code in single cell

تبدیل پرتوهای آپاچی و IO Different Apache Beam Transformation & IO

  • ايجاد كردن Create

  • صاف کردن Flatten

  • نقشه/نقشه مسطح Map/FlatMap

  • فیلتر کنید Filter

  • ParDo ParDo

  • کلیدها، مقادیر، رشته Keys, Values, String

  • KwSwap KwSwap

  • تقسیم بندی Partition

  • عبارت منظم Regular Expression

تابع تجمع Aggregation Function

  • تابع تجمع - I Aggregation Function - I

  • تابع تجمع - II Aggregation Function - II

------ دوره Google Cloud BigQuery ------- ------ Google Cloud BigQuery Course -------

  • به BigQuery خوش آمدید Welcome to BigQuery

  • BigQuery و ویژگی ها BigQuery & Features

  • پایگاه داده ستونی Columnar Database

  • معماری BigQuery BigQuery Architecture

راه اندازی و گشت کنسول Setup & Console Tour

  • Cloud BigQuery در Sandbox Cloud BigQuery in Sandbox

  • UI Walkthrough of Cloud BigQuery UI Walkthrough of Cloud BigQuery

Bigquery - SQL Query Bigquery - SQL Query

  • [دستی] شروع به کار با SQL Query [Hands-on] Getting Started with SQL Query

  • پرس و جوی SQL بخش - 2 [Hands-on] SQL query Part - 2

  • [دستی] پرس و جوی SQL قسمت - 3 [Hands-on] SQL query Part - 3

  • پرس و جوی SQL بخش - 4 [Hands-on] SQL query Part - 4

  • [دستی] پرس و جوی SQL قسمت - 5 [Hands-on] SQL query Part - 5

  • [دستی] پرس و جوی SQL قسمت - 6 [Hands-on] SQL query Part - 6

  • [دستی] پرس و جوی SQL قسمت - 7 [Hands-on] SQL query Part - 7

  • [دستی] ذخیره و به اشتراک گذاری پرس و جو [Hands-on] Save & Share Query

کار با مجموعه داده و جداول ما Working with our Dataset and tables

  • [دستی] کار با مجموعه داده - 1 [Hands-on] Working with Dataset - 1

  • [دستی] کار با Dataset - 2 [Hands-on] Working with Dataset - 2

  • [دستی] کار با مجموعه داده - 3 [Hands-on] Working with Dataset - 3

  • [دستی] کار با مجموعه داده - 4 [Hands-on] Working with Dataset - 4

  • [دستی] کار با جدول - 1 [Hands-on] Working with Table - 1

  • [دستی] کار با جدول - 2 [Hands-on] Working with Table - 2

  • [دستی] کار با جدول - 3 [Hands-on] Working with Table - 3

  • [دستی] کار با جدول - 4 [Hands-on] Working with Table - 4

  • [دستی] جدول را از مکان های مختلف ایجاد کنید [Hands-on] Create table from different location

  • [دستی] جدول را از فایل Jsonl ایجاد کنید [Hands-on] create table from Jsonl file

کار با جدول پارتیشن و خوشه بندی Working with Partition Table & Clustering

  • [دستی] بخش پارتیشن BigQuery - 1 [Hands-on] BigQuery Partition Part - 1

  • [دستی] BigQuery Partition Part - 2 [Hands-on] BigQuery Partition Part - 2

  • [دستی] BigQuery Partition Part - 3 [Hands-on] BigQuery Partition Part - 3

  • [دستی] بخش پارتیشن BigQuery - 4 [Hands-on] BigQuery Partition Part - 4

  • [دستی] بخش پارتیشن BigQuery - 5 [Hands-on] BigQuery Partition Part - 5

  • [دستی] نسخه ی نمایشی خوشه بندی BigQuery [Hands-on] BigQuery Clustering Demo

تعامل با BigQuery از پایتون Interacting with BigQuery from Python

  • ایجاد مجموعه داده از پایتون Create Dataset from Python

  • داده های جدول و بارگذاری را از پایتون ایجاد کنید Create Table & Load Data from Python

نمایش نظرات

نظری ارسال نشده است.

آموزش GCP - گواهی مهندس داده حرفه ای Google Cloud
خرید اشتراک و دانلود خرید تکی و دانلود | 320,000 تومان (5 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 2 دوره است و 2 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
23.5 hours
201
Udemy (یودمی) udemy-small
25 آبان 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
12,634
4.4 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ankit Mistry Ankit Mistry

توسعه دهنده نرم افزار | من می خواهم زندگی و درآمد شما را بهبود بخشم.

GCP Certification - Google Cloud Academy  Associate Cloud   Professional Engineer Certifications GCP Certification - Google Cloud Academy Associate Cloud Professional Engineer Certifications

من به شما کمک خواهم کرد تا گواهینامه های GCP را پاس کنید.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.