🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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