دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
4 ساعت 22 دقیقهمتوسط2025-08-15
مدرسین

Dan Sullivan
Enterprise Architect, Big Data Expert

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
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