آموزش Data Science on Google Cloud Platform: تجزیه و تحلیل پیش بینی

سرفصل ها و درس ها

مقدمه Introduction

• چرا از تجزیه و تحلیل پیش بینی کننده در GCP استفاده می کنیم؟ Why use predictive analytics on GCP?

• ماژول های علم داده را پوشانده است Data science modules covered

1. گزینه های ML در GCP 1. ML Options in GCP

• Cloud Dataproc Cloud Dataproc

• Cloud ML Engine Cloud ML Engine

• ابر طبیعی زبان Cloud Natural Language

• ترجمه ابر Cloud Translation

• Cloud Vision Cloud Vision

• هوش تصویری ابر Cloud Video Intelligence

• Cloud Dialogflow Cloud Dialogflow

2. مبانی Cloud ML 2. Cloud ML Basics

• مدل ها Models

• نسخه های مدل Model versions

• شغل ها Jobs

• فرآیند پیش بینی تحلیلی Predictive analytics process

3. ساختمان مدل با Cloud ML 3. Model Building with Cloud ML

• درک داده های ورودی Understanding input data

• مدل را بصورت محلی بسازید و آزمایش کنید Build and test model locally

• پرونده ها را در فضای ذخیره سازی ابر بارگذاری کنید Upload files to Cloud Storage

• برای کار با GCP ، کد را اصلاح کنید Modify code to work with GCP

• ایجاد بسته آموزشی Creating a training package

• آموزش همزمان را اجرا کنید Running training synchronously

• آموزش استفاده از مشاغل Training using jobs

4. پیش بینی ها در Cloud ML 4. Predictions in Cloud ML

• ایجاد یک مدل استقرار Creating a deployment model

• ایجاد نسخه مدل Creating a model version

• ایجاد یک مجموعه داده پیش بینی Creating a prediction dataset

• اجرای یک پیش بینی Running a prediction

5. بهترین روش های Cloud ML 5. Cloud ML Best Practices

• کنترل هزینه Cost control

• آزمایش محلی Local testing

• نظارت بر عملکرد Performance monitoring

نتیجه Conclusion

• مراحل بعدی Next steps