Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
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
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات
نظری ارسال نشده است.