V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.
درباره جنبه های مقیاس پذیری و قابلیت مدیریت Apache Kafka و نحوه ساخت برنامه های ناهمزمان با Kafka و Java اطلاعات کسب کنید.
با استفاده از قدرت هوش مصنوعی چالش های مشترک در عملیات IT را حل کنید. موارد استفاده در دنیای فناوری اطلاعات را مرور کنید و بیاموزید چگونه از فناوری های هوش مصنوعی برای حل مشکلات اساسی استفاده کنید.
مشکلات پردازش جریان را با جریان های Kafka حل کنید. درباره استفاده از جریانهای کافکا و فن آوری های مرتبط برای ایجاد موارد استفاده برای پردازش جریان با استفاده از الگوهای محبوب بیشتر بیاموزید.
بیاموزید که چگونه با Apache Spark الگوهای محبوب پرطرفدار طراحی را بسازید.
نحوه استفاده از Apache Flink و فن آوری های مرتبط با آن را برای ایجاد موارد استفاده برای پردازش جریان با استفاده از الگوهای محبوب کشف کنید.
اصول اولیه شبکه های عصبی مکرر را بیاموزید تا به سرعت با RNN راه اندازی کنید.
درباره چرخه عمر مشتری و اینکه چگونه تجزیه و تحلیل پیش بینی می تواند سفر مشتری را بهبود بخشد، بیاموزید. با استفاده از تجزیه و تحلیل های پیش بینی برای شناسایی، جذب و حفظ مشتریان کاوش کنید.
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های حالت دسته ای با استفاده از فناوری های داده بزرگ مانند Hive و Apache Spark اطلاعات کسب کنید.
بیاموزید که چگونه از هوش مصنوعی برای حل چالش های معمول منابع انسانی مانند توصیه آموزش و غربالگری نامزدها و بهبود استخدام ، رضایت و حفظ کارمندان استفاده کنید.
هر مشکلی به یک بیانیه مشکل به خوبی تعریف شده و نتیجه راه حل مورد انتظار نیاز دارد. نحوه تعریف و درک مسئله کاربرد موردی را برای این دوره آموزشی اصول کافکا بیاموزید.
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
با ساخت Apache Flink ، پلت فرم قدرتمند و محبوب پردازش جریان ، نحوه ساخت خطوط داده حالت حالت دسته ای را کاوش کنید.
با نحوه طراحی و ساخت خطوط لوله داده بزرگ در Google Cloud Platform آشنا شوید.
درباره مفاهیم اساسی و عملکردهای اساسی Apache Kafka ، یک فناوری پیشرو برای قابلیت های پخش همزمان بیاموزید.
بیاموزید که چگونه از API های رابطه ای Apache Flink - جدول API و SQL - برای تجزیه و تحلیل داده های اکتشافی دسته ای و در زمان واقعی استفاده کنید.
با ترانسفورماتورهای از پیش آموزش دیده در Hugging Face، پلتفرم محبوب برای برنامههای پردازش زبان طبیعی (NLP) راهاندازی کنید.
این کلاس بخشی از "سری علوم داده کاربردی" در SkillShare است که توسط V2 Maestros ارائه شده است. اگر مایل به گذراندن کل برنامه درسی هستید، لطفا ثبت نام کنید. ..
با نحوه ساخت برنامه های پردازش زبان طبیعی (NLP) با ترانسفورماتورهای از پیش آموزش دیده در Hugging Face، پلتفرم محبوب یادگیری ماشینی آشنا شوید.
با نحوه طراحی و ساخت انبارهای داده با استفاده از راه حل های Google Cloud Platform مانند BigQuery آشنا شوید.
تکنیک های اساسی برای پاکسازی و پردازش متن را در پایتون بیاموزید. نحوه تبدیل متن به فرم آماده برای تجزیه و تحلیل و پیش بینی ها را کشف کنید.
با ابزارها و تکنیک های تجزیه و تحلیل داده های متنی در R آشنا شوید و نحوه انجام یادگیری ماشین و پیش بینی ها را کشف کنید.
بیاموزید که چگونه مدلهای MLOps را برای ارائه محصولات و خدمات ML مقیاسپذیر و قابل اعتماد بهکارگیری و نظارت کنید.
اصول اولیه یادگیری عمیق را بیاموزید و با این فناوری شروع به کار کنید.
کشف نحوه ساخت خطوط لوله تجزیه و تحلیل مقیاس پذیر و بهینه با ترکیب قدرت Apache Hadoop و Spark.
درباره چرخه زندگی مشتری و چگونگی تجزیه و تحلیل های پیش بینی شده می تواند سفر مشتری را بیاموزید. برای شناسایی ، جذب و حفظ مشتریان ، با استفاده از تجزیه و تحلیل های پیش بینی کاوش کنید.
امروزه عملیات فناوری اطلاعات نقش مهمی در هر کسب و کاری، چه کوچک و چه بزرگ دارد. بررسی اهداف و عملکردهای عملیات فناوری اطلاعات در یک سازمان تجاری.
برای سازماندهی توسعه یادگیری ماشین (ML) و ارائه محصولات مقیاس پذیر و قابل اعتماد ML، با مفاهیم MLOps برای توسعه و ادغام مدل شروع کنید.
در مورد زمینه رو به رشد MLOps و تکنیک های مدل سازی مورد استفاده برای نظارت بر رانش و سوگیری مدل بیاموزید.
تکنیک های اصلی برای پاکسازی و پردازش متن در R را بیاموزید و نحوه تبدیل متن به فرم آماده برای تجزیه و تحلیل و پیش بینی ها را کشف کنید.
در این ویدیو یاد بگیرید که چگونه یک مجموعه ایجاد کنید و پایگاه داده برداری را با جاسازی های ایجاد شده از پایگاه دانش پر کنید.
با تکنیک های تجزیه و تحلیل داده های متنی در پایتون آشنا شوید و یادگیری ماشین و پیش بینی ها را انجام دهید.
نحوه انتخاب پایگاه داده مناسب برای پروژه علوم داده خود را کشف کنید. با نقاط قوت و ضعف فناوری های مختلف پایگاه داده آشنا شوید و موارد استفاده خاص را مرور کنید.
درباره گزینه های مختلف بهینه سازی و تنظیم موجود برای مدل های یادگیری عمیق بیاموزید و از آنها برای بهبود مدل ها استفاده کنید.
برای ترسیم برنامه ای برای یادگیری بیشتر و پیاده سازی با هوش مصنوعی آماده شوید.
بیاموزید که چگونه Apache Spark را با سایر فناوری های داده بزرگ برای ساخت خطوط داده مهندسی داده و DevOps کار کنید.
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های زمان واقعی با استفاده از فناوری های داده بزرگ ، مانند Hazelcast و Apache Spark اطلاعات کسب کنید.
مهندسان داده اغلب از پشته ها برای استفاده از قدرت فناوری های متعدد استفاده می کنند. به منظور مهار این قدرت، مهم است که بدانیم Hadoop و Spark چگونه با یکدیگر کار می کنند و از اهرم های موجود استفاده می کنند.
نحوه استفاده از MySQL را برای انجام کارهای معمول دانش داده کشف کنید. نکات و ترفندهایی را یاد بگیرید که می تواند به شما کمک کند از MySQL بیشتر بهره مند شوید - و در ضمن کد کمتری را بنویسید.
با نحوه انجام تجزیه و تحلیل داده های اکتشافی در Google Cloud Platform آشنا شوید.
در مورد سه نوع تجزیه و تحلیل داده مورد استفاده برای تجزیه و تحلیل عملکرد تجارت گذشته اطلاعاتی کسب کنید: تجزیه و تحلیل توصیفی ، اکتشافی و توضیحی.
بیاموزید چگونه با استفاده از قابلیت های ارائه شده توسط Google Cloud Platform (GCP) راه حل های علم داده را در مقیاس معماری کنید.
اندازهها، قالبها و کلیدهای پیام نقش مهمی در عملکرد و مقیاسبندی کافکا دارند. چند توصیه در مورد انتخاب قالب ها و کلیدهای مناسب برای پیام ها را مرور کنید.
مسئله را برای تمرین پروژه بررسی کنید.
یک برنامه GenAI چند هدف دارد که ممکن است با یکدیگر تضاد داشته باشند. اهداف و چگونگی تنظیم بهینه اهداف را بررسی کنید.
بیشتر و بیشتر برنامه های کاربردی هوش مصنوعی لبه با ابر برای تهیه و تجزیه و تحلیل ادغام می شوند. در مورد جنبه های طراحی کلیدی همکاری edge-cloud بحث کنید.
درباره مراحل تجزیه و تحلیل تجارتی مورد استفاده برای پیش بینی وقایع آینده و بهبود تصمیم گیری اطلاعات کسب کنید: تجزیه و تحلیل پیش بینی ، تجزیه و تحلیل تجویز شده و تجزیه و تحلیل تجربی.
بیاموزید که چگونه از Google Cloud Platform برای آموزش و استقرار مدل های یادگیری ماشین برای تجزیه و تحلیل پیش بینی استفاده کنید.