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