کتاب Google Cloud Platform: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques
, ,

کتاب Google Cloud Platform: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000005743 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: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر رایانش ابری و Google Cloud Platform
  • 2. ایجاد حساب کاربری و مدیریت صورتحساب در GCP
  • 3. آشنایی با کنسول GCP، کلود شل و ابزار خط فرمان gcloud
  • 4. مفاهیم پایه شبکه: VPC، زیرشبکه‌ها و فایروال
  • 5. پروژه‌ها، پوشه‌ها و ساختار سازمانی در GCP
  • 6. مدیریت هویت و دسترسی (IAM): کاربران، نقش‌ها و حساب‌های سرویس
  • 7. مبانی Compute Engine: ایجاد و مدیریت ماشین‌های مجازی
  • 8. مبانی Cloud Storage: باکت‌ها، اشیاء و کلاس‌های ذخیره‌سازی
  • 9. گزینه‌های ذخیره‌سازی داده در GCP: مروری کلی
  • 10. آشنایی با پایگاه‌های داده مدیریت‌شده: Cloud SQL و Spanner
  • 11. آشنایی با پایگاه‌های داده NoSQL: Firestore و Bigtable
  • 12. مقدمه‌ای بر معماری داده‌های real-time
  • 13. معرفی Google Pub/Sub: هسته پیام‌رسانی real-time
  • 14. ایجاد تاپیک‌ها و اشتراک‌ها (Subscriptions) در Pub/Sub
  • 15. الگوهای ارسال پیام: Push و Pull
  • 16. مقدمه‌ای بر Cloud Dataflow و Apache Beam
  • 17. مدل برنامه‌نویسی Beam: پایپ‌لاین‌ها، PCollection و Transform
  • 18. پردازش داده‌های دسته‌ای (Batch) با Dataflow
  • 19. پردازش داده‌های جریانی (Streaming) با Dataflow
  • 20. مفهوم پنجره‌بندی (Windowing) در داده‌های جریانی
  • 21. Triggers و Watermarks در Dataflow
  • 22. آشنایی با BigQuery به عنوان انبار داده ابری
  • 23. معماری BigQuery: جداسازی محاسبات و ذخیره‌سازی
  • 24. بارگذاری داده‌های دسته‌ای در BigQuery
  • 25. دریافت داده‌های جریانی (Streaming Ingestion) در BigQuery
  • 26. نوشتن کوئری‌های SQL استاندارد و پیشرفته در BigQuery
  • 27. بهینه‌سازی کوئری و مدیریت هزینه در BigQuery
  • 28. اتصال Dataflow به BigQuery برای ذخیره‌سازی نتایج
  • 29. مقدمه‌ای بر Cloud Functions برای پردازش رویداد-محور
  • 30. ایجاد یک تابع Cloud Function برای پردازش پیام‌های Pub/Sub
  • 31. توسعه اپلیکیشن‌های کانتینری با Cloud Run
  • 32. مقدمه‌ای بر داکر (Docker) و کانتینرسازی
  • 33. استقرار یک سرویس وب ساده روی Cloud Run
  • 34. مقیاس‌پذیری خودکار و مدیریت ترافیک در Cloud Run
  • 35. ایجاد API Gateway برای مدیریت و امن‌سازی سرویس‌ها
  • 36. مبانی هوش مصنوعی و یادگیری ماشین
  • 37. مروری بر سرویس‌های AI و ML در GCP
  • 38. استفاده از APIهای از پیش‌آموزش‌دیده: Vision AI
  • 39. تحلیل تصویر و ویدئو با Vision AI
  • 40. استفاده از APIهای از پیش‌آموزش‌دیده: Natural Language AI
  • 41. تحلیل متن، احساسات و موجودیت‌ها با Natural Language AI
  • 42. استفاده از APIهای از پیش‌آموزش‌دیده: Speech-to-Text و Text-to-Speech
  • 43. معرفی پلتفرم یکپارچه Vertex AI
  • 44. آشنایی با مجموعه داده‌های مدیریت‌شده در Vertex AI
  • 45. مقدمه‌ای بر AutoML: آموزش مدل بدون کدنویسی
  • 46. ساخت مدل طبقه‌بندی تصویر با AutoML Vision
  • 47. ساخت مدل رگرسیون با AutoML Tabular
  • 48. ساخت مدل طبقه‌بندی متن با AutoML Text
  • 49. مقدمه‌ای بر BigQuery ML (BQML)
  • 50. آموزش مدل رگرسیون خطی با استفاده از SQL در BQML
  • 51. آموزش مدل طبقه‌بندی لجستیک با BQML
  • 52. ارزیابی و پیش‌بینی با مدل‌های BQML
  • 53. مقدمه‌ای بر آموزش سفارشی (Custom Training) در Vertex AI
  • 54. آماده‌سازی داده‌ها برای آموزش مدل‌های سفارشی
  • 55. نوشتن کد آموزشی با TensorFlow 2 یا PyTorch
  • 56. ایجاد کانتینر سفارشی برای آموزش مدل
  • 57. اجرای یک جاب آموزشی سفارشی در Vertex AI Training
  • 58. مفهوم هایپرپارامتر تیونینگ در Vertex AI
  • 59. استقرار مدل برای پیش‌بینی آنی با Vertex AI Endpoints
  • 60. دریافت پیش‌بینی‌های دسته‌ای (Batch Predictions)
  • 61. مقدمه‌ای بر MLOps: اتوماسیون چرخه حیات ML
  • 62. معرفی Vertex AI Pipelines برای ارکستراسیون MLOps
  • 63. طراحی یک پایپ‌لاین ساده ML با Kubeflow Pipelines (KFP)
  • 64. کامپوننت‌ها و آرتیفکت‌ها در Vertex AI Pipelines
  • 65. اجرا و مانیتورینگ پایپ‌لاین‌های ML
  • 66. معرفی Vertex AI Feature Store برای مدیریت ویژگی‌ها
  • 67. ثبت و استفاده از ویژگی‌ها در Feature Store
  • 68. معرفی Vertex AI Model Registry برای نسخه‌بندی مدل‌ها
  • 69. مانیتورینگ مدل: تشخیص انحراف (Drift) و کجی (Skew)
  • 70. مبانی امنیت در اپلیکیشن‌های ابری
  • 71. استفاده از Secret Manager برای مدیریت اطلاعات حساس
  • 72. معماری یک اپلیکیشن تحلیل داده real-time: نمای کلی
  • 73. پروژه عملی: طراحی سیستم تحلیل احساسات توئیت‌ها در لحظه
  • 74. گام اول پروژه: ایجاد تاپیک Pub/Sub برای دریافت توئیت‌ها
  • 75. گام دوم پروژه: توسعه یک Cloud Function برای فراخوانی Natural Language AI
  • 76. گام سوم پروژه: ساخت پایپ‌لاین Dataflow برای غنی‌سازی و agregasi داده‌ها
  • 77. گام چهارم پروژه: ذخیره‌سازی نتایج تحلیل در BigQuery
  • 78. گام پنجم پروژه: ساخت داشبورد real-time با Looker Studio (Data Studio)
  • 79. مقدمه‌ای بر Cloud Composer (Managed Apache Airflow)
  • 80. زمان‌بندی پایپ‌لاین‌های داده دسته‌ای با Cloud Composer
  • 81. مقدمه‌ای بر Cloud Logging برای agregasi لاگ‌ها
  • 82. مقدمه‌ای بر Cloud Monitoring برای نظارت بر عملکرد سیستم
  • 83. ایجاد داشبورد و هشدار (Alert) در Cloud Monitoring
  • 84. اتوماسیون زیرساخت با Terraform: مفاهیم پایه
  • 85. نوشتن کدهای Terraform برای ایجاد منابع GCP
  • 86. یکپارچه‌سازی و تحویل مداوم (CI/CD) برای اپلیکیشن‌ها
  • 87. ایجاد پایپ‌لاین CI/CD با Cloud Build
  • 88. ذخیره ایمیج‌های داکر در Artifact Registry
  • 89. بهینه‌سازی هزینه‌ها در GCP: بهترین شیوه‌ها
  • 90. استفاده از بودجه و هشدارهای صورتحساب
  • 91. معماری‌های پیشرفته: الگوهای real-time data processing
  • 92. تکنیک‌های پیشرفته در Dataflow: Side Inputs و State Management
  • 93. مبانی هوش مصنوعی قابل توضیح (Explainable AI) در Vertex AI
  • 94. دریافت توضیحات برای پیش‌بینی‌های مدل
  • 95. چالش‌های کیفیت داده در سیستم‌های real-time
  • 96. بهترین شیوه‌ها برای طراحی APIهای مقیاس‌پذیر
  • 97. جمع‌بندی دوره و مراحل بعدی یادگیری
  • 98. **پردازش و تحلیل داده‌های جریانی با Pub/Sub و Dataflow: معماری، پیاده‌سازی و بهینه‌سازی**
  • 99. **یادگیری ماشین در مقیاس با Vertex AI: مدل‌سازی، آموزش، استقرار و پایش بلادرنگ**
  • 100. **مصورسازی و داشبوردهای تعاملی با Looker Studio: اتصال به منابع داده، طراحی و اشتراک‌گذاری**

📚 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: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques”

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

محصولات مشابه

پیمایش به بالا