دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش سوم طراحی سیستم های آماده سازی و پردازش داده ها

1 ساعت 1 دقیقهپیشرفته2023-06-09

مدرسین

Noah Gift

MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO

جزئیات دوره

گرفتن مدرک مهندس یادگیری ماشین حرفه‌ای گوگل نشون می‌ده که شما می‌تونید مدل‌های یادگیری ماشین رو طراحی، بسازید و تولید کنید تا چالش‌های کسب و کار رو با استفاده از تکنولوژی‌های گوگل کلاد حل کنید. همچنین با مدل‌ها و تکنیک‌های اثبات‌شده در یادگیری ماشین آشنایی دارید.

در این دوره سوم از مجموعه آمادگی برای دریافت مدرک، مدرس نوآ گیفت به طراحی سیستم‌های آماده‌سازی و پردازش داده‌ها می‌پردازه. او موضوعاتی رو که باید در رابطه با تحلیل داده‌های اکتشافی (EDA) بدونید توضیح می‌ده و بعد نشون می‌ده چطور باید پایپلاین‌های داده بسازید و ویژگی‌های ورودی رو ایجاد کنید.

مهارت ها

Google CloudBusiness IntelligenceMachine LearningData EngineeringSoftware Development ToolsGoogleData AnalysisCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud ComputingData ScienceBusiness Analysis and StrategyBusiness Software and ToolsSoftware Development

سرفصل ها

0. مقدمه

01 - بررسی اجمالی
02 - اصطلاحات کلیدی دوره سه
03 - ورود به GCP

1. کاوش داده ها

04 - گوگل کولب چیست
05 - تجزیه‌و‌تحلیل داده‌های اکتشافی برای امید به زندگی
06 - راه‌اندازی علم داده با virtualenv و pip در ویندوز
07 - نمودار سازی داده‌ها برای تجزیه‌و‌تحلیل داده‌های اکتشافی

2. ساخت خطوط لوله داده

08 - داده‌های برچسب گذاری
09 - برچسب زدن ترک مکانیکی
10 - پاک کردن داده ها
11 - مقیاس بندی داده ها
12 - خطوط لوله داده BigQuery با Colab

3. ایجاد ویژگی‌های ورودی

13 - مفاهیم مهندسی ویژگی
14 - استخراج ویژگی‌ها از مجموعه داده‌های عمومی
15 - تجزیه‌و‌تحلیل داده‌های اکتشافی با Google BigQuery

نتیجه

16 - مراحل بعدی