نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
گنجاندن یادگیری ماشین در خطوط لوله داده، توانایی کسبوکارها را برای استخراج بینش از دادههایشان افزایش میدهد. این دوره بسته به سطح، چندین روش یادگیری ماشین را در خطوط لوله داده در Google Cloud گنجانده است... گنجاندن یادگیری ماشین در خطوط لوله داده، توانایی کسب و کارها را برای استخراج بینش از داده های خود افزایش می دهد. این دوره چندین روش را پوشش می دهد که یادگیری ماشین می تواند در خطوط لوله داده در Google Cloud بسته به سطح سفارشی سازی مورد نیاز گنجانده شود. برای سفارشی سازی اندک یا بدون سفارشی سازی، این دوره AutoML را پوشش می دهد. برای قابلیتهای یادگیری ماشینی مناسبتر، این دوره به معرفی نوتبوکها و یادگیری ماشینی BigQuery (BigQuery ML) میپردازد. همچنین، این دوره نحوه تولید راه حل های یادگیری ماشین با استفاده از Kubeflow را پوشش می دهد. یادگیرندگان با استفاده از QwikLabs در ساخت مدل های یادگیری ماشین در Google Cloud تجربه عملی خواهند داشت. این چهارمین دوره از مجموعه مهندسی داده در Google Cloud است.
سرفصل ها و درس ها
مقدمه
Introduction
-
معرفی دوره
Course Introduction
مقدمه ای بر تجزیه و تحلیل و هوش مصنوعی
Introduction to Analytics and AI
-
معرفی ماژول
Module introduction
-
هوش مصنوعی چیست؟
What is AI?
-
از تجزیه و تحلیل دادههای موقت تا تصمیمهای مبتنی بر داده
From ad-hoc data analysis to data-driven decisions
-
گزینههایی برای مدلهای ML در Google Cloud
Options for ML models on Google Cloud
APIهای مدل ML از پیش ساخته شده برای داده های بدون ساختار
Prebuilt ML Model APIs for Unstructured Data
-
معرفی ماژول
Module introduction
-
داده های بدون ساختار سخت است
Unstructured data is hard
-
API های ML برای غنی سازی داده ها
ML APIs for enriching data
-
مقدمه آزمایشگاه: استفاده از API زبان طبیعی برای طبقه بندی متن بدون ساختار
Lab Intro: Using the Natural Language API to Classify Unstructured Text
-
شروع کار با GCP و Qwiklabs
Getting Started with GCP and Qwiklabs
-
آزمایشگاه: استفاده از API زبان طبیعی برای طبقه بندی متن بدون ساختار
Lab: Using the Natural Language API to classify unstructured text
تجزیه و تحلیل داده های بزرگ با نوت بوک
Big Data Analytics with Notebooks
-
معرفی ماژول
Module introduction
-
نوت بوک چیست؟
What’s a Notebook?
-
جادوی BigQuery و پیوندهایی با پانداها
BigQuery magic and ties to Pandas
-
معرفی آزمایشگاه: BigQuery در آزمایشگاه های Jupyter در سیستم عامل AI
Lab Intro: BigQuery in Jupyter Labs on AI Platform
-
آزمایشگاه: BigQuery در JupyterLab در Vertex AI 2.5
Lab: BigQuery in JupyterLab on Vertex AI 2.5
تولید خطوط لوله ML با Kubeflow
Production ML Pipelines with Kubeflow
-
معرفی ماژول
Module introduction
-
راه های انجام ML در Google Cloud
Ways to do ML on Google Cloud
-
Kubeflow
Kubeflow
-
هاب هوش مصنوعی
AI Hub
-
معرفی آزمایشگاه: اجرای خطوط لوله ML در Kubeflow
Lab Intro: Running ML Pipelines on Kubeflow
-
آزمایشگاه: اجرای خطوط لوله ML در Kubeflow 2.5
Lab: Running ML Pipelines on Kubeflow 2.5
-
خلاصه
Summary
ساخت مدل سفارشی با SQL در BigQuery ML
Custom Model building with SQL in BigQuery ML
-
معرفی ماژول
Module introduction
-
BigQuery ML برای ساخت مدل سریع
BigQuery ML for Quick Model Building
-
مدل های پشتیبانی شده
Supported models
-
مقدمه آزمایشگاه: پیش بینی مدت زمان سفر با دوچرخه با یک مدل رگرسیون در BigQuery ML
Lab Intro: Predict Bike Trip Duration with a Regression Model in BigQuery ML
-
آزمایشگاه: پیش بینی مدت زمان سفر با دوچرخه با مدل رگرسیون در BQML 2.5
Lab: Predict Bike Trip Duration with a Regression Model in BQML 2.5
-
معرفی آزمایشگاه: توصیههای فیلم در BigQuery ML
Lab Intro: Movie Recommendations in BigQuery ML
-
آزمایشگاه: توصیههای فیلم در BigQuery ML 2.5
Lab: Movie Recommendations in BigQuery ML 2.5
-
خلاصه
Summary
ساخت مدل سفارشی با AutoML
Custom Model Building with AutoML
-
معرفی ماژول
Module introduction
-
چرا AutoML؟
Why AutoML?
-
AutoML Vision
AutoML Vision
-
پردازش زبان طبیعی AutoML
AutoML Natural Language Processing
-
جداول AutoML
AutoML Tables
-
خلاصه
Summary
خلاصه
Summary
-
خلاصه دوره
Course Summary
منابع دوره
Course Resources
-
تجزیه و تحلیل هوشمند، یادگیری ماشین و هوش مصنوعی در Google Cloud
Smart Analytics, Machine Learning, and AI on Google Cloud
نمایش نظرات