دوره آموزشی علم داده در پلتفرم ابری گوگل: تجزیه و تحلیل داده های اکتشافی
58 دقیقهمتوسط2018-11-14
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرمهای اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعههای متخصص مهندسی ابر و دانشمند داده کوماران پونامبالام - نحوه انجام تجزیه و تحلیل دادههای اکتشافی با GCP را نشان میدهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس دست به کار شوید، همانطور که یاد می گیرید هم تجزیه و تحلیل متنی و هم بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab، BigQuery، Cloud Dataflow، و Data Studio. در نهایت، به یک مورد استفاده نهایی نگاه کنید که آنچه را که در دوره یاد گرفتهاید به کار میبرد.
اهداف یادگیری
راه اندازی Cloud DataLlb برای تجزیه و تحلیل داده های اکتشافی
تقسیم بندی و پروفایل
خواندن و نوشتن داده ها از BigQuery
مدیریت سطل های ذخیره سازی ابری
ایجاد تجسم داده های BigQuery با GCP Charting API
مدیریت نمونه های Datalab
اهداف یادگیری
راه اندازی Cloud DataLlb برای تجزیه و تحلیل داده های اکتشافی
تقسیم بندی و پروفایل
خواندن و نوشتن داده ها از BigQuery
مدیریت سطل های ذخیره سازی ابری
ایجاد تجسم داده های BigQuery با GCP Charting API
مدیریت نمونه های Datalab
مهارت ها
Google CloudSoftware Development ToolsGoogleData AnalysisCloud PlatformsCloud ComputingData ScienceBusiness Analysis and StrategyBusiness Software and ToolsSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - چرا EDA در Datalab
- 02 - ماژولهای علم داده تحت پوشش
1. گزینههای کاوش در GCP
- 03 - BigQuery
- 04 - Datalab
- 05 - Data Studio
- 06 - Cloud Dataflow
2. Cloud Datalab Basics
- 07 - Datalab چیست
- 08 - راهاندازی Cloud SDK
- 09 - راهاندازی Datalab
- 10 - مدیریت Datalab
- 11 - استفاده از فایلهای تمرین
- 12 - سایر قابلیت ها
3. Datalab - BigQuery
- 13 - راهاندازی BigQuery
- 14 - دستورات BigQuery
- 15 - خواندن دادهها از BigQuery
- 16 - کار با DataFrames
- 17 - نوشتن دادهها در BigQuery
4. Datalab - Cloud Storage
- 18 - فهرست بندی محتویات سطل
- 19 - مدیریت سطل ها
- 20 - خواندن اشیا از سطل
- 21 - نوشتن به سطل
5. Datalab - تجسم ها
- 22 - مقدمه ای بر API نمودار
- 23 - نمودارهای خطی با دادههای BigQuery
- 24 - نمودار دایره ای با دادههای BigQuery
- 25 - تجزیهوتحلیل سریهای زمانی با Cloud Storage
6. EDA با GCP - Use Case
- 26 - بارگذاری دادهها در یک DataFrame
- 27 - پاکسازی و تبدیل داده ها
- 28 - آمار و همبستگی
- 29 - تقسیم بندی و پروفایل
- 30 - نوشتن نتایج در Cloud Storage
7. مدیریت Datalab
- 31 - مدیریت نمونههای Datalab
- 32 - افزودن بستههای جدید
- 33 - مدیریت کد منبع
- 34 - بهترین شیوههای Datalab
نتیجه
- 35 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی آمادگی برای گواهینامه Google Cloud Associate Cloud Engineer
- دوره آموزشی طراحی منطقه استقرار Google Cloud
- دوره آموزشی مبانی مهندسی داده در Google Cloud
- دوره آموزشی مقدمه ای بر Terraform در پلتفرم ابری گوگل
- دوره آموزشی ساخت ترانویس کننده ویدیو با Node.js و Google AI Speech-to-Text API
- دوره آموزشی یادگیری Google Cloud Run
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Data Engineer: بخش سوم عملیاتی کردن مدل های یادگیری ماشین
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Data Engineer: بخش چهارم تضمین کیفیت راه حل