آموزش Google Cloud Platform Big Data and Machine Learning Mindamentals - آخرین آپدیت

دانلود Google Cloud Platform Big Data and Machine Learning Fundamentals

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره شرکت کنندگان را با قابلیت های داده بزرگ Google Cloud آشنا می کند. از طریق ترکیبی از ارائه ها ، نسخه های نمایشی و آزمایشگاه های دستی ، شرکت کنندگان مروری بر Google Cloud و نمای مفصلی از پردازش داده ها و قابلیت های یادگیری ماشین دریافت می کنند. این دوره سهولت ، انعطاف پذیری و قدرت راه حل های داده بزرگ را در Google Cloud نشان می دهد.

سرفصل ها و درس ها

مقدمه ای بر یادگیری داده و ماشین در Google Cloud Course Introduction to the Data and Machine Learning on Google Cloud Course

  • بررسی اجمالی دوره Course Overview

  • مقدمه دوره Course Introduction

معرفی Google Cloud Platform Introduction to Google Cloud Platform

  • معرفی Google Cloud Platform Introduction to Google Cloud Platform

  • آشنایی با Google Cloud Platform Introduction to Google Cloud Platform

  • محاسبه قدرت برای بار کاری تحلیلی و ML Compute Power for Analytic and ML Workloads

  • نسخه ی نمایشی - ایجاد VM در موتور محاسباتی Demo - Creating a VM on Compute Engine

  • ذخیره الاستیک با Google Cloud Storage Elastic Storage with Google Cloud Storage

  • بر روی شبکه جهانی Google ایجاد کنید Build on Google's Global Network

  • امنیت-پیش فرض در مقابل ابر بومی Security - On-premise vs Cloud-native

  • تکامل ابزارهای داده بزرگ Google Cloud Evolution of Google Cloud Big Data Tools

  • شروع با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • آزمایشگاه: کاوش در یک مجموعه داده عمومی BigQuery Lab: Exploring a BigQuery Public Dataset

  • انتخاب رویکرد درست Choosing the Right Approach

  • کاری که می توانید با GCP انجام دهید What you can do with GCP

  • فعالیت - یک مورد استفاده از مشتری را کاوش کنید Activity - Explore a Customer Use Case

  • نقش های مختلف داده در یک سازمان The Different Data Roles in an Organization

توصیه محصولات با استفاده از Cloud SQL و Spark Recommending Products using Cloud SQL and Spark

  • توصیه های محصول با استفاده از Cloud SQL و Spark Product Recommendations using Cloud SQL and Spark

  • نحوه استفاده مشاغل از سیستم های توصیه How Businesses Use Recommendation Systems

  • مقدمه ای برای یادگیری ماشین Introduction to Machine Learning

  • ML برای توصیه اجاره مسکن ML for Recommending Housing Rentals

  • از پیش فرض به Google Cloud Platform بروید Move From On-Premise to Google Cloud Platform

  • نسخه ی نمایشی - از صفر تا یک کار Apache Spark در 10 دقیقه یا کمتر Demo - From Zero to an Apache Spark Job in 10 Minutes or Less

  • چالش: استفاده و تنظیم خوشه های پیش فرض Challenge: Utilizing and tuning on-premise clusters

  • فضای ذخیره سازی را با Google Cloud Storage جابجا کنید Move storage off-cluster with Google Cloud Storage

  • آزمایشگاه - پیشنهاد محصولات با استفاده از Cloud SQL و Spark Lab - Recommending Products Using Cloud SQL and Spark

  • آزمایشگاه: پیشنهاد محصولات با استفاده از Cloud SQL و Spark Lab: Recommending Products Using Cloud SQL and Spark

خریدهای بازدید کنندگان را با استفاده از BigQuery ML پیش بینی کنید Predict Visitor Purchases Using BigQuery ML

  • پیش بینی خریدهای بازدید کننده با طبقه بندی با استفاده از BigQuery ML Predicting Visitor Purchases with Classification using BigQuery ML

  • آشنایی با BigQuery Introduction to BigQuery

  • نسخه ی نمایشی - 2 میلیارد خط کد در کمتر از 30 ثانیه پرس و جو Demo - Query 2 Billion Lines of Code in Less Than 30 Seconds

  • BigQuery - موتور سریع SQL BigQuery - Fast SQL Engine

  • نسخه ی نمایشی - کاوش داده های به اشتراک گذاری دوچرخه با SQL Demo - Exploring Bike Share Data with SQL

  • کیفیت داده ها Data Quality

  • ذخیره سازی BigQuery BigQuery Managed Storage

  • بینش از داده های جغرافیایی Insights from Geographic Data

  • نسخه ی نمایشی - تجزیه و تحلیل اعتصابات رعد و برق با GIS BigQuery Demo - Analyzing Lightning Strikes with BigQuery GIS

  • انتخاب نوع مدل ML برای داده های ساختاری Choosing a ML Model Type for Structured Data

  • پیش بینی ارزش طول عمر مشتری Predicting Customer Lifetime Value

  • bigQueryml - با SQL مدل هایی ایجاد کنید BigQueryML - Create Models with SQL

  • مراحل در چرخه عمر مدل ML Phases in ML Model Lifecycle

  • BigQuery ML - ویژگی های اصلی Walkthrough BigQuery ML - Key Features Walkthrough

  • آزمایشگاه: پیش بینی خریدهای بازدید کننده با یک مدل طبقه بندی با BigQuery ML Lab: Predicting Visitor Purchases with a Classification Model with BigQuery ML

داشبوردهای IoT در زمان واقعی با Pub/Sub ، Dataflow و Data Studio Real-time IoT Dashboards with Pub/Sub, Dataflow, and Data Studio

  • داشبورد در زمان واقعی با PUB_SUB ، DataFlow و Data Studio Real-time Dashboards with Pub_Sub, Dataflow, and Data Studio

  • چالش های خط لوله داده مدرن Modern Data Pipeline Challenges

  • معماری پیام گرا با میخانه ابر/زیر Message-oriented Architectures with Cloud Pub/Sub

  • طراحی خطوط لوله جریان با پرتوی آپاچی Designing Streaming Pipelines with Apache Beam

  • اجرای خطوط لوله جریان در جریان داده ابر Implementing Streaming Pipelines on Cloud Dataflow

  • تجسم بینش با استودیو داده Visualizing Insights with Data Studio

  • ایجاد نمودارها با استودیو داده Creating Charts with Data Studio

  • نسخه ی نمایشی - Studio Studio Walkthrough Demo - Data Studio Walkthrough

  • آزمایشگاه - ایجاد خط لوله داده جریان برای یک داشبورد در زمان واقعی با DataFlow Lab - Creating a Streaming Data Pipeline for a Real-Time Dashboard with Dataflow

  • آزمایشگاه: ایجاد خط لوله داده جریان برای داشبورد در زمان واقعی با DataFlow Lab: Creating a Streaming Data Pipeline for a Real-Time Dashboard with Dataflow

استخراج بینش از داده های غیر ساختاری با استفاده از یادگیری ماشین Deriving Insights from Unstructured Data using Machine Learning

  • کسب بینش از داده های بدون ساختار با استفاده از یادگیری ماشین Deriving Insights from Unstructured Data using Machine Learning

  • ML بدون ساختار در تجارت از کجا استفاده می شود؟ Where is Unstructured ML used in business?

  • چگونه ML در داده های بدون ساختار کار می کند؟ How Does ML on Unstructured Data Work?

  • نسخه ی نمایشی - ML ساخته شده در Google Photos Demo - ML built into Google Photos

  • مقایسه رویکردهای ML Comparing Approaches to ML

  • نسخه ی نمایشی - با استفاده از بلوک های ساختمان ML Demo - Using ML Building Blocks

  • با استفاده از هوش مصنوعی از پیش ساخته برای ایجاد یک چت بابات Using Pre-built AI to Create a Chatbot

  • سفارشی کردن مدل های از پیش ساخته با AUTOML Customizing Pre-built Models with AutoML

  • آزمایشگاه - طبقه بندی تصاویر ابرها در ابر با Vision Automl Lab - Classifying Images of Clouds in the Cloud with AutoML Vision

  • آزمایشگاه: طبقه بندی تصاویر ابرها در ابر با Vision Automl Lab: Classifying Images of Clouds in the Cloud with AutoML Vision

  • ساختن یک مدل سفارشی Building a Custom Model

  • نسخه ی نمایشی - طبقه بندی متن به سه روش انجام شده است Demo - Text Classification Done Three Ways

خلاصه Summary

  • خلاصه Summary

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش Google Cloud Platform Big Data and Machine Learning Mindamentals
جزییات دوره
4h 55m
65
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
90
4.5 از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

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.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.