آموزش انجام پروژه های بیگ دیتا و یادگیری ماشینی بر روی Google Cloud Platform

در این دوره آموزشی با امکانات و ابزارهای یادگیری ماشینی و همچنین بیگ دیتا که بر روی کلود گوگل وجود دارند آشنا شده و از آن ها در پروژه های واقعی استفاده خواهید کرد.

عنوان اصلی : Google Cloud Platform Big Data and Machine Learning Fundamentals

سرفصل ها :

Google Cloud Platform Big Data Machine Learning Fundamentals M00 01
شروع کار با GCP و Qwiklabs
مقدمه ای بر پلتفرم ابری گوگل
توان محاسبه برای بارهای کاری تحلیلی و ML
نسخه ی نمایشی - ایجاد یک VM در موتور محاسباتی
Storage Elastic با Google Cloud Storage
بر روی شبکه جهانی گوگل بسازید
امنیت - On-premise در مقابل Cloud-native
تکامل ابزارهای کلان داده ابری گوگل
مجموعه داده عمومی BigQuery را کاوش کنید
انتخاب رویکرد مناسب
کاری که با GCP انجام می دهید
فعالیت - یک مورد استفاده از مشتری را کاوش کنید
نقش های مختلف داده در یک سازمان
چگونه کسب و کارها از سیستم های توصیه استفاده می کنند
مقدمه ای بر یادگیری ماشین
ML برای توصیه اجاره مسکن
از On-Premise به Google Cloud Platform حرکت کنید
نسخه ی نمایشی - از صفر تا یک Apache Spark Job در 10 دقیقه یا کمتر
استفاده و تنظیم خوشه های On-Premise
با Google Cloud Storage، فضای ذخیره‌سازی را به خارج از خوشه منتقل کنید
آزمایشگاه - محصولات را با استفاده از Cloud SQL و SparkML توصیه کنید
محصولاتی را با استفاده از ML با Cloud SQL و Dataproc توصیه کنید
مقدمه ای بر BigQuery
نسخه ی نمایشی - پرس و جو 2 میلیارد خط کد در کمتر از 30 ثانیه
BigQuery - موتور سریع SQL
نسخه ی نمایشی - کاوش داده های اشتراک دوچرخه با SQL
کیفیت داده
ذخیره سازی مدیریت شده BigQuery
بینش از داده های جغرافیایی
نسخه ی نمایشی - تجزیه و تحلیل حملات رعد و برق با BigQuery GIS
انتخاب نوع مدل ML برای داده های ساختاریافته
پیش بینی ارزش طول عمر مشتری
BigQueryML - ایجاد مدل با SQL
مراحل در چرخه عمر مدل ML
BigQuery ML - بررسی ویژگی های کلیدی
خریدهای بازدیدکننده را با یک مدل طبقه بندی با BigQuery ML پیش بینی کنید
چالش های خط لوله داده های مدرن
معماری های پیام گرا با Cloud Pub/Sub
طراحی خطوط لوله جریان با پرتو آپاچی
پیاده سازی خطوط لوله جریانی در Cloud Dataflow
تجسم Insights با Data Studio
ایجاد نمودار با Data Studio
نسخه ی نمایشی - داده استودیو Walkthrough
آزمایشگاه - داشبوردهای بی‌درنگ IoT با Pub/Sub، Dataflow و Data Studio
یک خط لوله داده جریانی برای داشبورد بلادرنگ با Cloud Dataflow ایجاد کنید
ML بدون ساختار در کجا در تجارت استفاده می شود؟
چگونه ML روی داده های بدون ساختار کار می کند؟
نسخه ی نمایشی - ML تعبیه شده در Google Photos
مقایسه رویکردها با ML
نسخه ی نمایشی - استفاده از بلوک های ساختمانی ML
استفاده از هوش مصنوعی از پیش ساخته شده برای ایجاد یک چت بات
سفارشی سازی مدل های از پیش ساخته شده با AutoML
آزمایشگاه - طبقه بندی تصاویر با مدل های ML از پیش ساخته شده
طبقه بندی تصاویر با مدل های ML از پیش ساخته شده با استفاده از Cloud Vision API و AutoML
ساخت یک مدل سفارشی
نسخه ی نمایشی - طبقه بندی متن سه راه انجام شد
خلاصه دوره