دوره آموزشی علم داده در پلتفرم ابری گوگل: تجزیه و تحلیل پیش بینی کننده
40 دقیقهمتوسط2018-11-07
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
تجزیه و تحلیل پیشگویانه از داده های تاریخی برای نگاه به آینده استفاده می کند و سازمان ها را قادر می سازد تا تصمیمات بهتری بگیرند. با این حال، انجام پیشبینیهای دقیق از دادههای بزرگ میتواند یک کار طاقت فرسا باشد. Google Cloud Platform (GCP) را وارد کنید، مجموعهای از خدمات رایانش ابری که مقیاسپذیری، کشش، و یادگیری ماشین خودکار را به تجزیه و تحلیل پیشبینیکننده میآورد. این دوره - یکی از مجموعههای دانشمند داده کوماران پونامبالام - نشان میدهد که چگونه از قدرت GCP برای ایجاد پیشبینی برای کسبوکارتان استفاده کنید. با کاوش در ابزارها و ویژگیهای مختلف برای تجزیه و تحلیل پیشبینیکننده در GCP، از جمله Cloud Dataproc، Cloud ML Engine، و APIهای یادگیری ماشینی مانند Cloud Translation، Cloud Vision، و Cloud Video Intelligence شروع کنید. سپس نحوه ساخت، آموزش و استقرار مدلها برای ایجاد پیشبینی را کشف کنید. به علاوه، بهترین شیوه ها را برای کنترل هزینه، آزمایش و نظارت بر عملکرد مدل های پیش بینی کننده بیاموزید.
اهداف یادگیری
ارزیابی ابزارهای یادگیری ماشین در GCP
درک فرآیند تحلیل پیش بینی کننده
مدل های ساختمان
مدل های آموزشی با مشاغل
ساخت و اجرای پیش بینی ها
بهترین روش ها برای کنترل هزینه، آزمایش و نظارت بر عملکرد
اهداف یادگیری
ارزیابی ابزارهای یادگیری ماشین در GCP
درک فرآیند تحلیل پیش بینی کننده
مدل های ساختمان
مدل های آموزشی با مشاغل
ساخت و اجرای پیش بینی ها
بهترین روش ها برای کنترل هزینه، آزمایش و نظارت بر عملکرد
مهارت ها
Data ModelingGoogle CloudSoftware Development ToolsGoogleCloud PlatformsCloud ComputingData ScienceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - چرا از تجزیهوتحلیل پیشبینی کننده در GCP استفاده کنید
- 02 - ماژولهای علم داده تحت پوشش
1. گزینههای ML در GCP
- 03 - Cloud Dataproc
- 04 - Cloud ML Engine
- 05 - زبان طبیعی ابری
- 06 - ترجمه ابری
- 07 - Cloud Vision
- 08 - هوش ویدئویی ابری
- 09 - Cloud Dialogflow
2. مبانی Cloud ML
- 10 - مدل ها
- 11 - نسخههای مدل
- 12 - مشاغل
- 13 - فرآیند تحلیل پیش بینی
3. مدل ساختمان با Cloud ML
- 14 - درک دادههای ورودی
- 15 - ساخت و آزمایش مدل به صورت محلی
- 16 - فایلها را در فضای ذخیرهسازی ابری آپلود کنید
- 17 - کد را برای کار با GCP تغییر دهید
- 18 - ایجاد بسته آموزشی
- 19 - تمرین دویدن به صورت همزمان
- 20 - آموزش استفاده از مشاغل
4. پیش بینیها در Cloud ML
- 21 - ایجاد مدل استقرار
- 22 - ایجاد نسخه مدل
- 23 - ایجاد مجموعه داده پیش بینی
- 24 - اجرای یک پیش بینی
5. بهترین روشهای Cloud ML
- 25 - کنترل هزینه
- 26 - تست محلی
- 27 - نظارت بر عملکرد
نتیجه
- 28 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی پایتون: کار با تحلیل پیشبینی (Predictive Analytics)
- دوره آموزشی مدل سازی داده ها در MongoDB
- دوره آموزشی یادگیری جامع تحلیل پیشبینی برای مدیران ارشد
- دوره آموزشی ساخت برنامههای Power Apps مبتنی بر مدل
- دوره آموزشی Excel VBA: مدلسازی فرآیندها
- دوره آموزشی شناسایی فرصتها و ریسکها: کاربرد تحلیل پیشبینانه در مدیریت موفقیت مشتری (CSM)
- دوره آموزشی روشهای علم داده: ایجاد حس تجاری