[آزمون 2019 محتوای به روز شده]
راه حل های ذخیره سازی
پایگاههای اطلاعاتی OLAP در مقابل OLTP
مفاهیم سازگاری.
ثبات معاملاتی برای راهحلهای مختلف ذخیرهسازی داده.
فضای ذخیره سازی ابری
رابط خط فرمان Gsutil.
Datastore
نمايهسازي دادهاستور - چيست، نحوه بهروزرسانی، آپلود.
BigQuery
بهروزرسانی موارد کاربردی BigQuery از جمله نماهای مجاز در رابط کاربری جدید BQ.
مفاهیم جداول موقت.
انواع طرحوارهها BQ میپذیرد.
BigTable
BigTable مناسب برای دادههای سری زمانی.
واسط خط فرمان Cbt برای BigTable.
مفاهیم سازگاری BigTable و پیکربندی بسیار در دسترس.
جریان داده
استقرار کارهای جریان داده و آنچه در پسزمینه اجرا میشود.
نظارت بر کار جریان داده از طریق کنسول - رابط نظارت بر جریان داده ابری و همچنین دستورات جریان داده gcloud.
بهروزرسانی یک کار جریان داده در جریان است.
گزارش کارهای Cloud Dataflow.
Cloud Dataflow Practical - اجرای کار به صورت محلی و با استفاده از سرویس Dataflow
Hadoop Dataproc
کارهای Apache Spark
Stackdriver
برای تجزیه و تحلیل بیشتر، چرا و چگونه گزارشها را به BigQuery صادر کنید.
راه حل های یادگیری ماشین - بخش جدید
معرفی محصولات جدید GCP ML و محصولات منبع باز مانند Cloud Machine Learning Engine، BigQuery ML، Kubeflow Spark ML
Cloud AutoML - AutoML Vision، AutoML Vision Edge
Dialogflow - سازنده Chatbot GCP
مفهوم محاسبات لبه و محاسبات توزیع شده
TPU (واحد پردازش تنسور) Google cloud
اصطلاحات رایج در اصطلاحات یادگیری ماشین مانند ویژگیها، برچسبها، مدلها، رگرسیون خطی و لجستیک، طبقهبندی، خوشهبندی/شبکهها و یادگیری تحت نظارت/بدون نظارت.
مهاجرت به GCP - بخش جدید
نحوه انتقال داده به GCP - Transfer Appliance Storage Transfer Service
Dataprep - بخش جدید
Dataprep چیست؟
بخش عملی Dataprep، کار جریان داده را در پسزمینه اجرا میکند - رابط کاربری خوب برای غیر کدنویسها
امنیت در GCP - بخش جدید
بهترین شیوه های امنیت ابر
تعامل ایمن با فضای ذخیرهسازی ابری
آزمایش نفوذ
Bastion/Jumphost
رمزگذاری
api پیشگیری از از دست دادن داده
مهاجرت زنده
Cloud Composer - بخش جدید
Cloud composer چیست؟
سلام، من سام هستم، یک مهندس کلان داده، یک توسعهدهنده وب کامل و علاقهمند به یادگیری ماشین/AI به شما GCP را با کارآمدترین و سادهترین رویکرد. من اجزای اصلی GCP مورد نیاز برای قبولی در آزمون مهندسان داده را با استفاده از رویکرد برنامه های کاربردی دنیای واقعی به شما آموزش خواهم داد. تمام موارد عملی در این دوره به شما تکنیک هایی را نشان می دهد که توسط مهندسان کلان داده در GCP استفاده می شود.
دوره با هدف دریافت گواهینامه مهندسین داده GCP ساده شده است. بنابراین، اگر می خواهید درک خوبی از محصولات GCP داشته باشید و قصد دارید در آینده یک مهندس داده خبره شوید، کارآمدترین دوره برای یادگیری در مورد GCP است. دوره به کمتر از 5 ساعت ساده شده است! همه چیز را در مورد GCP در یک آخر هفته یا در یک روز بیاموزید!
راهحلهای زیرساختی برای موارد استفاده مختلف ارائه میشوند، زیرا در هنگام حل مشکلات واقعی بیشترین یادگیری را دارید! تئوری و عملی با هدف قبولی در آزمون مهندسین داده با کمترین زمان قرار داده خواهد شد. در امتحان بیشتر سؤالات در مورد چرایی و نه چگونه خواهد بود. به عنوان مثال، برای یافتن سؤالی که از شما میخواهد قطعه کد صحیح را از بین 3 قطعه کد و غیره انتخاب کنید، بسیار تحت فشار خواهید بود.
بازخورد دانشآموز:
سلام ساموئل. امیدوارم این مناسب شما باشد. من هفته گذشته امتحان مهندسی داده GCP را قبول کردم و فقط می خواهم از شما برای دوره Udemy که مطالب امتحان را به خوبی خلاصه می کند تشکر کنم! هفته خوبی در پیش داشته باشید!
این دوره برای آمادگی من برای آزمون گواهینامه مهندسی داده Google مفید است. همچنین یک نمای کلی خوب و مختصر از محصولات GCP ارائه می دهد که در دوره های دیگر وجود ندارد. دانش به دست آمده از این دوره را می توان برای استفاده از GCP در کار دانشمند داده و مهندسی داده به کار برد.
من دوره های coursera را از google امتحان کرده بودم. خیلی طولانی تر است و زمینه های بازاریابی زیادی دارد. من رویکرد شما را دوست دارم شما باید دوره دیگری مانند این را برای معمار AWS یا GCP ایجاد کنید.
دوره به بخش های زیر تقسیم می شود:
مقدمه - کاوش سوالات، چرا ابر، چرا GCP، متمایزکنندههای اصلی GCP/نقاط فروش اصلی، راهاندازی حساب GCP رایگان خود
موتور محاسباتی - مروری بر نوآوریهای موتور محاسباتی و قیمتگذاری، مناطق مناطق، انواع ماشینهای مختلف و کاربردی برای چرخاندن ماشینهای مجازی و دسترسی به آنها از طریق SSH، Mac و ویندوز پشتیبانی میشود
راهحلهای ذخیرهسازی - مروری بر راهحلهای ذخیرهسازی دادههای GCP از جمله فضای ذخیرهسازی ابری، ذخیرهسازی دادههای ابری، آچار ابری، ابر SQL، BigQuery BigTable. ما این راه حل های ذخیره سازی را با یکدیگر مقایسه خواهیم کرد و موارد استفاده را توضیح خواهیم داد که در آن یک راه حل ذخیره سازی بر دیگری برتری دارد.
صورتحساب IAM - انواع مختلف اعضا، نقشها و مجوزها، سلسله مراتب منابع و فرآیند صورتحساب
BigQuery - ساختار قیمت گذاری BigQuery، نکاتی برای کاهش هزینه پردازش، جداول Wildcard تقسیم بندی شده، نماهای مجاز، موارد کاربردی در BigQuery با استفاده از SQL استاندارد
Cloud Datalab - نحوه استفاده از Cloud Datalab به صورت عملی با فید زنده از BigQuery برای کاوش مجموعه داده.
Cloud Pub/Sub - مفاهیم Pub/Sub و اجزای آن به ویژه جداسازی و استفاده از Pub/Sub
Hadoop Dataproc - مروری بر هادوپ و اجزای اصلی که در آزمون آزمایش خواهند شد
Cloud Dataflow - جریان داده چیست، مدل جریان داده، نحوه و چرایی استفاده از آن در ارتباط با سایر محصولات GCP
Stackdriver - توابع Stackdriver مانند اشکالزدایی، گزارش خطا، نظارت، هشدار، ردیابی و گزارشگیری.
هوش مصنوعی Tensorflow - مروری کوتاه بر یادگیری ماشین و شبکههای عصبی، بازی با شبکههای عصبی با زمین بازی و درک محصولات و APIهای هوش مصنوعی GCP
مطالعه موردی - در نهایت، دانش جدید GCP آموخته شده خود را برای استفاده در یک مورد تجاری کاربردی در دنیای واقعی قرار دهید. مطالعات موردی مشابهی در امتحانات وجود خواهد داشت.
مهندس کلان داده|مهندس ابر|علاقه مندان به ML و AI
نمایش نظرات