آموزش Google Cloud Platform مبانی کلان داده و یادگیری ماشین

Google Cloud Platform Big Data and Machine Learning Fundamentals

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره شرکت کنندگان را با قابلیت های کلان داده Google Cloud آشنا می کند. از طریق ترکیبی از ارائه ها ، نسخه های نمایشی و آزمایشگاه های عملی ، شرکت کنندگان یک نمای کلی از Google Cloud و نمای مفصلی از پردازش داده ها و ماشین می گیرند ... 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 عملی ، شرکت کنندگان یک نمای کلی از Google Cloud و نمای مفصلی از پردازش داده ها و قابلیت های یادگیری ماشین می گیرند. این دوره سهولت ، انعطاف پذیری و قدرت راه حل های داده بزرگ را در Google Cloud به نمایش می گذارد.

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

  • معرفی دوره Course Introduction

معرفی Google Cloud Platform Introduction to Google Cloud Platform

  • معرفی Google Cloud Platform Introduction to Google Cloud Platform

  • معرفی Google Cloud Platform Introduction to Google Cloud Platform

  • محاسبه توان برای بارهای تحلیلی و ML Compute Power for Analytic and ML Workloads

  • نسخه ی نمایشی - ایجاد یک ماشین مجازی در Compute Engine Demo - Creating a VM on Compute Engine

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

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

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

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

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

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

  • انتخاب رویکرد صحیح Choosing the Right Approach

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

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

  • نقشهای 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

  • چگونه مشاغل از سیستم های توصیه استفاده می کنند How Businesses Use Recommendation Systems

  • مقدمه ای بر یادگیری ماشین Introduction to Machine Learning

  • ML برای توصیه اجاره مسکن ML for Recommending Housing Rentals

  • از On-Premise به Google Cloud Platform منتقل شوید Move From On-Premise to Google Cloud Platform

  • نسخه ی نمایشی - از صفر تا Apache Spark Job 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

  • با Google Cloud Storage فضای ذخیره سازی را خارج از خوشه انتقال دهید Move storage off-cluster with Google Cloud Storage

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

  • آزمایشگاه: توصیه 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

  • مقدمه ای بر BigQuery Introduction to BigQuery

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

  • BigQuery - موتور سریع SQL BigQuery - Fast SQL Engine

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

  • کیفیت داده Data Quality

  • BigQuery ذخیره سازی مدیریت شده BigQuery Managed Storage

  • بینش هایی از داده های جغرافیایی Insights from Geographic Data

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

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

  • پیش بینی ارزش مادام العمر مشتری Predicting Customer Lifetime Value

  • BigQueryML - ایجاد مدل با SQL BigQueryML - Create Models with SQL

  • مراحل در چرخه زندگی ML Phases in ML Model Lifecycle

  • BigQuery ML - ویژگی های کلیدی 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

  • داشبوردهای لحظه ای با Pub_Sub ، Dataflow و Data Studio Real-time Dashboards with Pub_Sub, Dataflow, and Data Studio

  • چالش های خط لوله مدرن داده ها Modern Data Pipeline Challenges

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

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

  • پیاده سازی خطوط لوله جریان در Cloud Dataflow Implementing Streaming Pipelines on Cloud Dataflow

  • تجسم بصیرت با Data Studio Visualizing Insights with Data Studio

  • ایجاد نمودارها با Data Studio Creating Charts with Data Studio

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

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

  • آزمایشگاه: ایجاد یک خط لوله جریان داده برای یک داشبورد در زمان واقعی با گردش داده 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

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

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

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

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

  • مقایسه رویکردها با ML Comparing Approaches to ML

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

  • استفاده از هوش مصنوعی از پیش ساخته شده برای ایجاد Chatbot Using Pre-built AI to Create a Chatbot

  • شخصی سازی مدل های از پیش ساخته شده با AutoML Customizing Pre-built Models with AutoML

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

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

  • ساخت 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 مبانی کلان داده و یادگیری ماشین
جزییات دوره
4h 56m
65
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
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.