آموزش Spring Cloud GCP: راه اندازی پایگاه داده Cloud SQL
Spring Cloud GCP: Setting Up a Cloud SQL Database
از قدرت Cloud SQL در برنامه Spring Boot استفاده کنید. بیاموزید که چگونه یک پایگاه داده Cloud SQL راه اندازی کنید و به طور موثر برنامه خود را آزمایش کنید.
Cecili Reid
آموزش مهاجرت به GCP
Migrating to GCP
این دوره آموزشی شرکت کنندگان را با انتقال بارهای کاری به پلتفرم Google Cloud آشنا می کند. این دوره استراتژی های مهاجرت از محیط منبع به ابر را توضیح می دهد.
Google Cloud
آموزش مهاجرت به GCP
Migrating to GCP
این دوره آموزشی شرکت کنندگان را با انتقال بارهای کاری به پلتفرم Google Cloud آشنا می کند. این دوره استراتژی های مهاجرت از محیط منبع به ابر را توضیح می دهد.
آموزش بهینه سازی هزینه های Google Cloud Platform (GCP) شما
Optimizing Your Google Cloud Platform (GCP) Costs
این دومین دوره از یک دوره دو بخشی در مورد موارد ضروری صورتحساب GCP و مدیریت هزینه است. این دوره برای افرادی که دارای نقش مالی و/یا فناوری اطلاعات هستند و مسئول بهینه سازی زیرساخت های ابری سازمانشان هستند ، مناسب ترین است. اینجا...
آموزش درک هزینه های Google Cloud Platform (GCP) شما
Understanding Your Google Cloud Platform (GCP) Costs
این دوره برای کسانی که در یک فناوری یا نقش مالی مشغول به کار هستند و مسئولیت مدیریت هزینه های GCP را دارند بیشتر مناسب است. شما یاد خواهید گرفت که چگونه یک حساب صورتحساب راه اندازی کنید ، منابع را سازماندهی کنید و مجوزهای دسترسی صورتحساب را مدیریت کنید. در دست ...
آموزش تجزیه و تحلیل هوشمند، یادگیری ماشین و هوش مصنوعی در GCP
Smart Analytics, Machine Learning, and AI on GCP
گنجاندن یادگیری ماشین در خطوط لوله داده، توانایی کسب و کارها را برای استخراج بینش از داده های خود افزایش می دهد. این دوره چندین روش را پوشش می دهد که یادگیری ماشین می تواند در خطوط لوله داده در Google Cloud Platform بسته به سطح سفارشی سازی مورد نیاز گنجانده شود. برای سفارشی سازی اندک یا بدون سفارشی سازی، این دوره AutoML را پوشش می دهد. برای قابلیت‌های یادگیری ماشینی مناسب‌تر، این دوره نوت‌بوک‌های پلتفرم هوش مصنوعی و یادگیری ماشین BigQuery را معرفی می‌کند. همچنین، این دوره نحوه تولید راه حل های یادگیری ماشین با استفاده از Kubeflow را پوشش می دهد. یادگیرندگان با استفاده از QwikLabs در ساخت مدل‌های یادگیری ماشین در Google Cloud Platform تجربه عملی خواهند داشت.
آموزش ساختن سیستم‌های تحلیل جریان انعطاف‌پذیر در GCP
Building Resilient Streaming Analytics Systems on GCP
پردازش داده های جریانی به طور فزاینده ای محبوب می شود زیرا پخش جریانی به کسب و کارها امکان می دهد معیارهای زمان واقعی را در عملیات تجاری دریافت کنند. این دوره نحوه ایجاد خطوط لوله داده جریانی در Google Cloud Platform را پوشش می دهد. Cloud Pub/Sub برای مدیریت داده های جریان ورودی توضیح داده شده است. این دوره همچنین نحوه اعمال تجمیع‌ها و تبدیل‌ها به جریان داده‌ها را با استفاده از Cloud Dataflow و نحوه ذخیره رکوردهای پردازش شده در BigQuery یا Cloud Bigtable برای تجزیه و تحلیل را پوشش می‌دهد. یادگیرندگان با استفاده از QwikLabs در ساخت اجزای خط لوله داده جریانی در Google Cloud Platform تجربه عملی خواهند داشت.
آموزش ساخت خطوط لوله داده دسته ای در GCP
Building Batch Data Pipelines on GCP
خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند. این دوره توضیح می دهد که کدام پارادایم و چه زمانی باید برای داده های دسته ای استفاده شود. علاوه بر این، این دوره چندین فناوری را در Google Cloud Platform برای تبدیل داده ها از جمله BigQuery، اجرای Spark در Cloud Dataproc، نمودارهای خط لوله در Cloud Data Fusion و پردازش داده های بدون سرور با Cloud Dataflow را پوشش می دهد. یادگیرندگان تجربه عملی در ساخت اجزای خط لوله داده در پلتفرم Google Cloud با استفاده از QwikLabs خواهند داشت.
آموزش نوسازی دریاچه های داده و انبارهای داده با GCP
Modernizing Data Lakes and Data Warehouses with GCP
دو جزء کلیدی هر خط لوله داده، دریاچه های داده و انبارها هستند. این دوره موارد استفاده را برای هر نوع ذخیره‌سازی برجسته می‌کند و با جزئیات فنی به راه‌حل‌های دریاچه داده و انبار موجود در Google Cloud Platform می‌پردازد. همچنین، این دوره، نقش یک مهندس داده، مزایای یک خط لوله داده موفق برای عملیات تجاری را شرح می دهد و بررسی می کند که چرا مهندسی داده باید در یک محیط ابری انجام شود. یادگیرندگان با استفاده از QwikLabs تجربه عملی با دریاچه ها و انبارهای داده در پلتفرم Google Cloud را خواهند داشت.
آموزش تجزیه و تحلیل هوشمند، یادگیری ماشین و هوش مصنوعی در GCP
Smart Analytics, Machine Learning, and AI on GCP
گنجاندن یادگیری ماشین در خطوط لوله داده، توانایی کسب و کارها را برای استخراج بینش از داده های خود افزایش می دهد. این دوره چندین روش را پوشش می دهد که یادگیری ماشین می تواند در خطوط لوله داده در Google Cloud Platform بسته به سطح سفارشی سازی مورد نیاز گنجانده شود. برای سفارشی سازی اندک یا بدون سفارشی سازی، این دوره AutoML را پوشش می دهد. برای قابلیت‌های یادگیری ماشینی مناسب‌تر، این دوره نوت‌بوک‌های پلتفرم هوش مصنوعی و یادگیری ماشین BigQuery را معرفی می‌کند. همچنین، این دوره نحوه تولید راه حل های یادگیری ماشین با استفاده از Kubeflow را پوشش می دهد. یادگیرندگان با استفاده از QwikLabs در ساخت مدل‌های یادگیری ماشین در Google Cloud Platform تجربه عملی خواهند داشت.
آموزش نوسازی دریاچه های داده و انبارهای داده با GCP
Modernizing Data Lakes and Data Warehouses with GCP
دو جزء کلیدی هر خط لوله داده، دریاچه های داده و انبارها هستند. این دوره موارد استفاده را برای هر نوع ذخیره‌سازی برجسته می‌کند و با جزئیات فنی به راه‌حل‌های دریاچه داده و انبار موجود در Google Cloud Platform می‌پردازد. همچنین، این دوره، نقش یک مهندس داده، مزایای یک خط لوله داده موفق برای عملیات تجاری را شرح می دهد و بررسی می کند که چرا مهندسی داده باید در یک محیط ابری انجام شود. یادگیرندگان با استفاده از QwikLabs تجربه عملی با دریاچه ها و انبارهای داده در پلتفرم Google Cloud را خواهند داشت.
آموزش ساخت خطوط لوله داده دسته ای در GCP
Building Batch Data Pipelines on GCP
خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند. این دوره توضیح می دهد که کدام پارادایم و چه زمانی باید برای داده های دسته ای استفاده شود. علاوه بر این، این دوره چندین فناوری را در Google Cloud Platform برای تبدیل داده ها از جمله BigQuery، اجرای Spark در Cloud Dataproc، نمودارهای خط لوله در Cloud Data Fusion و پردازش داده های بدون سرور با Cloud Dataflow را پوشش می دهد. یادگیرندگان تجربه عملی در ساخت اجزای خط لوله داده در پلتفرم Google Cloud با استفاده از QwikLabs خواهند داشت.