در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی یاد می گیرید که چطور با استفاده از تنسرفلو بر روی کلود Google کارهای Machine Learning را انجام دهید.
عنوان اصلی : End-to-End Machine Learning with TensorFlow on GCP
مقدمه ای بر تخصص
معرفی دوره
ML موثر
ML کاملاً مدیریت شده
کاوش مجموعه داده
BigQuery
نوت بوک های BigQuery و AI Platform
شروع کار با GCP و Qwiklabs
مقدمه آزمایشگاه 1: کاوش مجموعه داده
کاوش مجموعه داده
دمو و بررسی آزمایشگاه 1
ایجاد یک مجموعه داده
مقدمه آزمایشگاه 2: یک مجموعه داده نمونه ایجاد کنید
یک مجموعه داده نمونه ایجاد کنید
آزمایشگاه 2: نسخه ی نمایشی و بررسی
مدل را بسازید
مقدمه آزمایشگاه 3: ایجاد یک مدل TensorFlow
مدل TensorFlow را ایجاد کنید
آزمایشگاه 3: نسخه ی نمایشی و بررسی
عملیاتی کردن مدل
مقدمه آزمایشگاه 4: پیش پردازش با Cloud Dataflow
پیش پردازش با استفاده از Dataflow
نسخه ی نمایشی و بررسی آزمایشگاه 4
پلتفرم هوش مصنوعی ابری
آموزش و استقرار با پلتفرم Cloud AI
آزمایشگاه 5: آموزش در بستر هوش مصنوعی ابری
آموزش بر روی پلتفرم Cloud AI
نسخه ی نمایشی و بررسی آزمایشگاه 5
BigQuery ML
معرفی آزمایشگاه
راه حل آزمایشگاهی BigQuery ML
استقرار و پیش بینی با پلتفرم Cloud AI
مقدمه آزمایشگاه 6: استقرار و پیش بینی با پلتفرم هوش مصنوعی ابری
استقرار و پیش بینی با پلتفرم Cloud AI
آزمایشگاه 6: نسخه ی نمایشی و بررسی
آزمایشگاه 7: ساخت اپلیکیشن App Engine برای ارائه پیشبینیهای ML
آزمایشگاه 7: نسخه ی نمایشی و بررسی
خلاصه
End-to-End Machine Learning with TensorFlow on GCP
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
MLOps (Machine Learning Operations) Fundamentals
آموزش Feature Engineering در یادگیری ماشینی
فیلم یادگیری Architecting with Google Kubernetes Engine Workloads
آموزش انجام پروژه های یادگیری ماشینی Serverless بوسیله Tensorflow در کلود گوگل
آموزش مبانی زیرساخت کلود
آموزش کامل مبانی نصب Apigee API
Enterprise Database Migration
آموزش مدرن کردن Data Lake و Data Warehouse بوسیله GCP
آموزش آنالیز استریم داده ها بوسیله Google Cloud Platform
فیلم یادگیری Networking in GCP Defining and mplementing Networks