کتاب Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی
, ,

کتاب Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000006033 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر Google Cloud Platform (GCP)
  • 2. معرفی خدمات کلیدی GCP برای تحلیل داده و هوش مصنوعی
  • 3. ایجاد و مدیریت پروژه در GCP
  • 4. مدیریت هویت و دسترسی (IAM) در GCP
  • 5. شبکه سازی پایه در GCP: VPC و Subnets
  • 6. راه اندازی ماشین مجازی (VM) در Compute Engine
  • 7. استفاده از Google Cloud Shell و Cloud SDK
  • 8. معرفی Google Cloud Storage (GCS) برای ذخیره سازی داده
  • 9. بارگذاری و مدیریت داده ها در GCS
  • 10. امنیت در GCS: کنترل دسترسی و رمزنگاری
  • 11. معرفی Google BigQuery برای انبار داده
  • 12. ایجاد و مدیریت Dataset و Table در BigQuery
  • 13. بارگذاری داده ها در BigQuery از GCS و سایر منابع
  • 14. کوئری نویسی SQL در BigQuery
  • 15. بهینه سازی کوئری های BigQuery برای عملکرد بهتر
  • 16. معرفی Google Cloud Dataflow برای پردازش جریان داده
  • 17. ایجاد Pipeline های Dataflow با استفاده از Apache Beam
  • 18. خواندن و نوشتن داده ها با Dataflow از منابع مختلف
  • 19. تبدیل و غنی سازی داده ها در Dataflow
  • 20. استقرار و مدیریت Pipeline های Dataflow
  • 21. معرفی Google Cloud Dataproc برای پردازش دسته ای داده
  • 22. اجرای Jobs های Apache Hadoop و Spark در Dataproc
  • 23. ایجاد و مدیریت خوشه های Dataproc
  • 24. بهینه سازی Performance Jobs های Dataproc
  • 25. معرفی Google Cloud Pub/Sub برای انتقال پیام های Real-time
  • 26. ایجاد و مدیریت Topic و Subscription در Pub/Sub
  • 27. انتشار و دریافت پیام ها با Pub/Sub
  • 28. ادغام Pub/Sub با Dataflow و BigQuery
  • 29. معرفی Google Cloud Functions برای توابع بدون سرور
  • 30. ایجاد و استقرار Cloud Functions
  • 31. Trigger کردن Cloud Functions با رویدادهای مختلف
  • 32. ادغام Cloud Functions با سایر خدمات GCP
  • 33. معرفی Google Kubernetes Engine (GKE) برای مدیریت Container
  • 34. ایجاد و مدیریت خوشه های Kubernetes در GKE
  • 35. استقرار برنامه ها با استفاده از Docker و Kubernetes
  • 36. مقیاس پذیری و مدیریت منابع در GKE
  • 37. معرفی TensorFlow و Keras برای یادگیری ماشین
  • 38. آماده سازی داده ها برای یادگیری ماشین
  • 39. ساخت و آموزش مدل های یادگیری ماشین با TensorFlow
  • 40. ارزیابی و بهینه سازی مدل های یادگیری ماشین
  • 41. استقرار مدل های یادگیری ماشین با TensorFlow Serving
  • 42. معرفی Google AI Platform Training برای آموزش مدل های یادگیری ماشین
  • 43. اجرای Jobs های آموزشی TensorFlow و PyTorch در AI Platform Training
  • 44. استفاده از TPU ها برای آموزش سریعتر مدل های یادگیری ماشین
  • 45. معرفی Google AI Platform Prediction برای پیش بینی Online
  • 46. استقرار مدل های یادگیری ماشین آموزش داده شده در AI Platform Prediction
  • 47. ساخت API برای درخواست های پیش بینی
  • 48. معرفی Google Cloud Vision API برای پردازش تصویر
  • 49. تشخیص اشیاء و چهره ها در تصاویر با Vision API
  • 50. استخراج متن از تصاویر با OCR
  • 51. معرفی Google Cloud Natural Language API برای پردازش متن
  • 52. تجزیه و تحلیل Sentiment متن با Natural Language API
  • 53. تشخیص موجودیت ها و دسته بندی متن
  • 54. معرفی Google Cloud Speech-to-Text API برای تبدیل گفتار به متن
  • 55. تبدیل صدا به متن با Speech-to-Text API
  • 56. بهینه سازی دقت Speech-to-Text API
  • 57. معرفی Google Cloud Translation API برای ترجمه زبان
  • 58. ترجمه متن به زبان های مختلف با Translation API
  • 59. معرفی Google Cloud AutoML برای یادگیری ماشین بدون کد
  • 60. ساخت مدل های یادگیری ماشین سفارشی با AutoML Vision
  • 61. ساخت مدل های یادگیری ماشین سفارشی با AutoML Natural Language
  • 62. ساخت مدل های یادگیری ماشین سفارشی با AutoML Translation
  • 63. ساخت داشبوردهای تحلیل داده با Google Data Studio
  • 64. اتصال Data Studio به منابع داده GCP
  • 65. ایجاد گزارشات و نمودارهای تعاملی در Data Studio
  • 66. مانیتورینگ و Logging در GCP با Cloud Monitoring و Cloud Logging
  • 67. تنظیم Alert ها و Metrics برای ردیابی عملکرد برنامه
  • 68. اشکال زدایی برنامه ها با Cloud Logging
  • 69. امنیت در GCP: بهترین شیوه ها
  • 70. رعایت حریم خصوصی و انطباق با مقررات
  • 71. اتوماسیون زیرساخت با Terraform
  • 72. Infrastructure as Code (IaC) با Terraform
  • 73. استقرار خودکار زیرساخت GCP
  • 74. تست و استقرار مداوم (CI/CD) در GCP با Cloud Build
  • 75. ادغام Cloud Build با GitHub و GitLab
  • 76. ایجاد Pipeline های CI/CD برای استقرار خودکار برنامه ها
  • 77. استفاده از Apache Kafka در GCP
  • 78. استقرار و مدیریت Kafka در GKE
  • 79. ادغام Kafka با Dataflow و BigQuery
  • 80. پردازش داده های Streaming با Kafka و Dataflow
  • 81. ساخت Application های Real-time با Firebase
  • 82. استفاده از Firebase Authentication
  • 83. ذخیره داده ها با Firebase Realtime Database و Cloud Firestore
  • 84. ایجاد Notifications با Firebase Cloud Messaging
  • 85. استفاده از Cloud Composer برای Orchestration Workflow
  • 86. ایجاد و مدیریت DAGs در Cloud Composer
  • 87. ادغام Cloud Composer با Dataflow و BigQuery
  • 88. بهینه سازی هزینه در GCP
  • 89. استفاده از Commitment ها و تخفیف ها در GCP
  • 90. مانیتورینگ هزینه ها با Cloud Billing
  • 91. مدیریت Container ها با Docker
  • 92. ساخت Image های Docker
  • 93. استقرار Container ها در GKE و Cloud Run
  • 94. استفاده از Git برای مدیریت کد
  • 95. همکاری با Git و GitHub
  • 96. Branching و Merging در Git
  • 97. استفاده از RESTful APIs
  • 98. طراحی و پیاده سازی RESTful APIs
  • 99. استفاده از OpenAPI Specification (Swagger)
  • 100. پیاده سازی Microservices در GKE

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا