تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین

دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین

4 ساعت 22 دقیقهمتوسط2025-08-15

مدرسین

Dan Sullivan

Dan Sullivan

Enterprise Architect, Big Data Expert

Pearson

Pearson

جزئیات دوره

داده‌ها و توانایی تحلیل اون‌ها و ساخت مدل‌های یادگیری ماشین، دارن مسیر نوآوری و شکل‌دهی به نحوه کار سازمان‌ها رو تغییر می‌دن. اینجا Google BigQuery وارد می‌شه؛ پلتفرم محبوب برای انبار داده، تحلیل و یادگیری ماشین.

BigQuery به عنوان یک سرویس managed و serverless از Google Cloud ارائه می‌شه، که باعث می‌شه زمان کمتری صرف نگهداری زیرساخت‌ها کنی و تمرکز بیشتری روی ساخت سیستم‌های یادگیری ماشین و استخراج بینش از داده‌ها داشته باشی.

تو این دوره، با Dan Sullivan همراه می‌شی و یاد می‌گیری چطور بیشترین بهره‌وری رو از BigQuery به عنوان مهندس داده یا یادگیری ماشین داشته باشی. در طول مسیر، مهارت‌های ضروری برای وارد کردن داده، تبدیل و آماده‌سازی داده‌ها برای تحلیل، ساخت، ارزیابی، استقرار و مانیتورینگ مدل‌ها در محیط تولید رو هم به دست می‌آری.

اهداف یادگیری
درک عملکرد Google BigQuery و قابلیت‌های آن برای تحلیل و یادگیری ماشین
مهارت در وارد کردن و آماده‌سازی داده‌ها برای تحلیل و مدل‌سازی
ساخت، ارزیابی و استقرار مدل‌های یادگیری ماشین با استفاده از BigQuery
مانیتورینگ و بهینه‌سازی مدل‌ها در محیط تولید
بهره‌وری از سرورلس بودن BigQuery برای کاهش زمان نگهداری زیرساخت

مهارت ها

BigQueryMachine LearningData EngineeringArtificial Intelligence FoundationsGoogleArtificial Intelligence (AI)Data ScienceOne-Off

سرفصل ها

۰. مقدمه

  • 01 - گوگل بیگ‌کوئری برای مهندسان داده و یادگیری ماشین - مقدمه

۱. بیگ‌کوئری برای مهندسی داده و مهندسی یادگیری ماشین

  • 02 - مباحث
  • 03 - پلتفرم داده چندمنظوره بدون سرور
  • 04 - معماری BigQuery
  • 05 - مهندسی داده و یادگیری ماشین در BigQuery

۲. دریافت داده‌ها در BigQuery

  • 06 - مباحث
  • 07 - دریافت دسته‌ای داده‌ها
  • 08 - تکلیف آزمایشگاهی - دریافت داده‌های دسته‌ای
  • 09 - مصرف جریان
  • 10 - تکلیف آزمایشگاهی - دریافت داده‌های جریانی

۳. کیفیت داده‌ها و کاوش داده‌ها

  • 11 - مباحث
  • 12 - SQL برای بررسی کیفیت داده‌ها
  • 13 - تکلیف آزمایشگاهی - بررسی کیفیت داده‌ها
  • 14 - DataFrames برای کاوش داده‌ها
  • 15- تکلیف آزمایشگاهی - کاوش داده‌ها
  • 16- کلود دیتاپروک اسپارک و بیگ‌کوئری

۴. یادگیری ماشین با BigQuery

  • 17 - مباحث
  • 18- مقدمه‌ای بر یادگیری ماشین
  • 19 - گردش کار یادگیری ماشین

۵. ساخت مدل‌های طبقه‌بندی و رگرسیون در BigQuery

  • 20 - مباحث
  • 21- ساخت و ارزیابی یک مدل طبقه‌بندی
  • 22 - تکلیف آزمایشگاهی - ساخت یک مدل طبقه‌بندی
  • 23- ساخت و ارزیابی یک مدل رگرسیون
  • 24 - تکلیف آزمایشگاهی - ساخت یک مدل رگرسیون

۶. ساخت یک مدل پیش‌بینی سری زمانی

  • 25 - مباحث
  • 26- مقدمه‌ای بر مدل‌سازی سری‌های زمانی
  • 27- ساخت مدل سری زمانی در SQL
  • 28 - آزمایشگاه ساخت مدل سری زمانی در SQL

۷. استفاده از هوش مصنوعی مولد با BigQuery

  • 29 - مباحث
  • 30 - سرویس‌های هوش مصنوعی مولد در گوگل کلود
  • 31- مقدمه‌ای بر هوش مصنوعی مولد در BigQuery
  • 32 - آزمایشگاه با استفاده از ابزارهای هوش مصنوعی مولد در BigQuery
  • 33- کار با متن در BigQuery

نتیجه‌گیری

  • 34 - گوگل بیگ‌کوئری برای مهندسان داده و یادگیری ماشین - خلاصه

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal