این دوره به داوطلبان احتمالی کمک می کند تا آمادگی خود را برای آزمون مهندس داده حرفه ای تنظیم کنند. این جلسه ساختار و قالب آزمون و همچنین ارتباط آن با سایر گواهینامه های Google Cloud را پوشش می دهد ...
با ساخت Apache Flink ، پلت فرم قدرتمند و محبوب پردازش جریان ، نحوه ساخت خطوط داده حالت حالت دسته ای را کاوش کنید.
نحوه ساخت خط لوله پردازش جریان در زمان واقعی را با Apache Fink کشف کنید. درباره ویژگی های پنجره سازی ، پردازش زمان رویداد و مدیریت حالت
Big Data LDN 2019 | مهندسی داده های سازمانی مدرن | سوکی ظوپار
در این دوره ، شما می آموزید که چگونه با Azure Machine Learning ویژگی های جدیدی را از داده ها تهیه ، تمیز و مهندسی کنید ، بنابراین مجموعه داده را می توان به شکلی نشان داد که الگوریتم یادگیری برای یادگیری الگوها آسان باشد.
Big Data LDN 2019 | مهندسی داده در MagicLab: تولد و زندگی یک رویداد | ولادیمیر کازانوف
این دوره شامل دسته ای از تکنیک های مهندسی ویژگی است که برای گرفتن بهترین نتیجه از یک مدل یادگیری ماشین مورد استفاده قرار می گیرد ، از جمله انتخاب ویژگی ها ، و چندین روش استخراج ویژگی برای بیان مجدد ویژگی ها به مناسب ترین شکل.
این دوره را برای آمادگی برای آزمون مهندسین داده GCP شرکت کنید. به روز شد تا آخرین محتوای امتحان را منعکس کند.
گزارش Power BI فقط به اندازه داده هایی است که آن را هدایت می کند. بنابراین چگونه مطمئن می شوید که بهترین و موثرترین داده را بدست آورده اید؟ این دوره به شما کمک می کند بفهمید چه کسی داده های سازمان شما را در اختیار دارد بنابراین می توانید داده های صحیح را در صورت نیاز بدست آورید.
Pandas به استاندارد طلایی برای درگیری داده ها در یادگیری کاربردی ماشین تبدیل شده است. این دوره اصول درگیری داده ها را با استفاده از Pandas در پایتون به شما می آموزد ، از جمله نحو ، توابع و دستکاری در داده ها.
Google Cloud برای ML با TensorFlow، داده های بزرگ با مدیریت Hadoop
مهارتهای Google Cloud Platform را برای مدیریت برنامههای Hadoop، دادههای بزرگ و یادگیری ماشین توسعه دهید