آموزش مبانی کلان داده و یادگیری ماشین پلتفرم Google Cloud

بررسی اجمالی دوره Course Overview

• معرفی دوره Course Introduction

• شروع کار با Google Cloud Platform و Qwiklabs Getting Started with Google Cloud Platform and Qwiklabs

مقدمه ای بر پلتفرم ابری گوگل Introduction to Google Cloud Platform

• ماژول 1- مقدمه ای بر پلتفرم ابری گوگل Module 1- Introduction to Google Cloud Platform

• مقدمه ای بر پلتفرم ابری گوگل Introduction to Google Cloud Platform

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

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

• Storage Elastic با Google Cloud Storage Elastic Storage with Google Cloud Storage

• بر روی شبکه جهانی گوگل بسازید Build on Google's Global Network

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

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

• آزمایشگاه: مجموعه داده عمومی BigQuery را کاوش کنید Lab: Explore a BigQuery Public Dataset

• انتخاب رویکرد مناسب Choosing the Right Approach

• کاری که با GCP انجام می دهید What you an 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

• ماژول 2 - توصیه محصولات با استفاده از Cloud SQL و Spark Module 2 - Recommending Products using Cloud SQL and Spark

• چگونه کسب و کارها از سیستم های توصیه استفاده می کنند How Businesses Use Recommendation Systems

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• ML برای توصیه اجاره مسکن ML for Recommending Housing Rentals

• از On-Premise به Google Cloud Platform حرکت کنید Move From On-Premise to Google Cloud Platform

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

• استفاده و تنظیم خوشه های On-Premise Utilizing and Tuning On-Premise Clusters

• با Google Cloud Storage، فضای ذخیره‌سازی را به خارج از خوشه منتقل کنید Move Storage Off-Cluster with Google Cloud Storage

• آزمایشگاه - محصولات را با استفاده از Cloud SQL و SparkML توصیه کنید Lab - Recommend Products Using Cloud SQL and SparkML

• آزمایشگاه: محصولاتی را با استفاده از ML با Cloud SQL و Dataproc توصیه کنید Lab: Recommend Products using ML with Cloud SQL and Dataproc

خرید بازدیدکنندگان را با استفاده از BigQuery ML پیش بینی کنید Predict Visitor Purchases Using BigQuery ML

• ماژول 3 - پیش بینی خرید بازدیدکنندگان با استفاده از BigQuery ML Module 3 - Predict Visitor Purchases Using BigQuery ML

• مقدمه ای بر BigQuery Introduction to BigQuery

• نسخه ی نمایشی - پرس و جو 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 - کاوش داده های اشتراک دوچرخه با SQL Demo - Exploring Bike Share Data with SQL

• کیفیت داده Data Quality

• ذخیره سازی مدیریت شده BigQuery BigQuery Managed Storage

• بینش 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 ساختاریافته Choosing a ML Model Type for Structured Data

• پیش بینی ارزش طول عمر مشتری Predicting Customer Lifetime Value

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

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

• BigQuery ML - بررسی ویژگی های کلیدی BigQuery ML - Key Features Walkthrough

• آزمایشگاه: خریدهای بازدیدکننده را با یک مدل طبقه بندی با BigQuery ML پیش بینی کنید Lab: Predict Visitor Purchases with a Classification Model with BigQuery ML

خطوط لوله داده های جریانی را با Cloud Pub/sub و Cloud Dataflow ایجاد کنید Create Streaming Data Pipelines with Cloud Pub/sub and Cloud Dataflow

• ماژول 4 - ایجاد خطوط لوله داده جریانی با Cloud Pub/sub و Cloud Dataflow Module 4 - Create Streaming Data Pipelines with Cloud Pub/sub and Cloud Dataflow

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

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

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

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

• تجسم Insights با Data Studio Visualizing Insights with Data Studio

• ایجاد نمودار با Data Studio Creating Charts with Data Studio

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

• آزمایشگاه - داشبوردهای بی‌درنگ IoT با Pub/Sub، Dataflow و Data Studio Lab - Real-time IoT Dashboards with Pub/Sub, Dataflow, and Data Studio

• آزمایشگاه: ایجاد یک خط لوله داده جریانی برای داشبورد بلادرنگ با Cloud Dataflow Lab: Create a Streaming Data Pipeline for a Real-Time Dashboard with Cloud Dataflow

طبقه بندی تصاویر با مدل های از پیش ساخته شده با استفاده از Vision API و Cloud AutoML Classify Images with Pre-Built Models using Vision API and Cloud AutoML

• ماژول 5 - طبقه بندی تصاویر با مدل های از پیش ساخته شده با استفاده از Vision API و Cloud AutoML Module 5 - Classify Images with Pre-Built Models using Vision API and Cloud AutoML

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

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

• نسخه ی نمایشی - ML تعبیه شده در Google Photos 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 یک چت بات Using Pre-built AI to Create a Chatbot

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

• آزمایشگاه - طبقه بندی تصاویر با مدل های ML از پیش ساخته شده Lab - Classify Images with Pre-built ML Models

• آزمایشگاه: طبقه بندی تصاویر با مدل های ML از پیش ساخته شده با استفاده از Cloud Vision API و AutoML Lab: Classify Images with Pre-built ML Models using Cloud Vision API and AutoML

• ساخت یک مدل سفارشی Building a Custom Model

• نسخه ی نمایشی - طبقه بندی متن سه راه انجام شد Demo - Text Classification Done Three Ways

خلاصه Summary

• ماژول 6 - خلاصه Module 6 - Summary

• خلاصه دوره Course Summary