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-0000005809 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 Cloud Computing و GCP
  • 2. آشنایی با کنسول Google Cloud، پروژه‌ها و صورتحساب
  • 3. مفاهیم اصلی Identity and Access Management (IAM)
  • 4. نقش‌ها و مجوزهای IAM
  • 5. حساب‌های خدماتی (Service Accounts) و بهترین شیوه‌های استفاده
  • 6. مبانی شبکه‌های مجازی (VPC)
  • 7. زیرشبکه‌ها (Subnets) و قوانین فایروال (Firewall Rules)
  • 8. مقدمه‌ای بر Cloud Storage: باکت‌ها و اشیاء
  • 9. کلاس‌های ذخیره‌سازی و مدیریت چرخه حیات در Cloud Storage
  • 10. آشنایی با Compute Engine و ماشین‌های مجازی
  • 11. مدیریت و پیکربندی نمونه‌های Compute Engine
  • 12. استفاده از Cloud Shell و ابزار خط فرمان gcloud
  • 13. مقدمه‌ای بر کیت‌های توسعه نرم‌افزار (SDKs) در GCP
  • 14. مدیریت هزینه‌ها و بودجه‌بندی در GCP
  • 15. معماری‌های داده‌های بی‌درنگ (Real-time)
  • 16. آشنایی با Google Cloud Pub/Sub
  • 17. مفاهیم Pub/Sub: موضوعات (Topics) و اشتراک‌ها (Subscriptions)
  • 18. چرخه حیات یک پیام در Pub/Sub
  • 19. انتشار پیام‌ها در Pub/Sub به صورت برنامه‌نویسی
  • 20. مصرف پیام‌ها از Pub/Sub
  • 21. مدیریت اسکما (Schema) در Pub/Sub
  • 22. مقدمه‌ای بر BigQuery به عنوان انبار داده
  • 23. معماری BigQuery: جداسازی محاسبات و ذخیره‌سازی
  • 24. انواع داده و طراحی اسکما در BigQuery
  • 25. بارگذاری دسته‌ای داده‌ها در BigQuery
  • 26. درج جریانی (Streaming Inserts) داده‌ها در BigQuery
  • 27. آشنایی با Cloud Spanner برای سازگاری جهانی
  • 28. آشنایی با Cloud Firestore برای داده‌های اپلیکیشن
  • 29. آشنایی با Cloud SQL برای پایگاه‌های داده رابطه‌ای
  • 30. انتخاب پایگاه داده مناسب در GCP برای تحلیل بی‌درنگ
  • 31. مقدمه‌ای بر Cloud Dataflow
  • 32. مدل برنامه‌نویسی Apache Beam
  • 33. مفاهیم پنجره‌بندی (Windowing) در Dataflow
  • 34. محرک‌ها (Triggers) در پردازش جریانی
  • 35. پیاده‌سازی یک پایپ‌لاین جریانی ساده در Dataflow
  • 36. استفاده از Cloud Functions برای پردازش رویداد محور
  • 37. فعال‌سازی Cloud Functions از طریق Pub/Sub
  • 38. استفاده از Cloud Run برای کانتینرهای بدون سرور
  • 39. ساخت یک سرویس پردازش داده با Cloud Run
  • 40. مقایسه Dataflow، Cloud Functions و Cloud Run
  • 41. مدیریت فراداده با Data Catalog
  • 42. تبدیل داده‌های بصری با Dataprep
  • 43. مدیریت خطا در پایپ‌لاین‌های جریانی
  • 44. مقیاس‌پذیری خودکار (Autoscaling) در Dataflow
  • 45. استفاده از قالب‌های Dataflow برای پایپ‌لاین‌های قابل استفاده مجدد
  • 46. دستورات پیشرفته SQL در BigQuery
  • 47. توابع تعریف شده توسط کاربر (UDFs) در BigQuery
  • 48. بهینه‌سازی عملکرد و هزینه در BigQuery
  • 49. آشنایی با BigQuery ML (BQML)
  • 50. پارتیشن‌بندی و خوشه‌بندی جداول در BigQuery
  • 51. مدیریت وظایف (Jobs) در BigQuery
  • 52. استفاده از BigQuery Omni برای تحلیل چند ابری
  • 53. اتصال BigQuery به Looker Studio (Data Studio)
  • 54. ساخت داشبوردهای بی‌درنگ با داده‌های BigQuery
  • 55. استفاده از BigQuery Storage Read/Write APIs
  • 56. مروری بر هوش مصنوعی و یادگیری ماشین در GCP
  • 57. استفاده از Vision AI API برای تحلیل تصویر
  • 58. استفاده از Video Intelligence AI API
  • 59. استفاده از Natural Language AI API برای تحلیل متن
  • 60. استفاده از Translation AI API
  • 61. استفاده از Speech-to-Text API
  • 62. استفاده از Text-to-Speech API
  • 63. آشنایی با Recommendations AI
  • 64. آشنایی با Document AI
  • 65. ادغام API‌های هوش مصنوعی در اپلیکیشن‌ها
  • 66. مقدمه‌ای بر پلتفرم Vertex AI
  • 67. مجموعه داده‌ها در Vertex AI: مدیریت داده‌های آموزشی
  • 68. اصول مهندسی ویژگی (Feature Engineering)
  • 69. آشنایی با Vertex AI Feature Store
  • 70. استفاده از AutoML Tables برای داده‌های ساختاریافته
  • 71. استفاده از AutoML Vision برای طبقه‌بندی تصاویر
  • 72. استفاده از AutoML Text برای وظایف پردازش زبان طبیعی
  • 73. آموزش سفارشی با کانتینرهای از پیش ساخته شده
  • 74. آموزش سفارشی با کانتینرهای سفارشی
  • 75. تنظیم فراپارامترها (Hyperparameter Tuning) در Vertex AI
  • 76. ردیابی اجراها با Vertex AI Experiments
  • 77. استقرار مدل‌ها با Vertex AI Endpoints
  • 78. مقایسه پیش‌بینی آنلاین و دسته‌ای
  • 79. درک توضیحات پیش‌بینی (Explainable AI)
  • 80. ادغام مدل‌های سفارشی در پایپ‌لاین‌های داده
  • 81. اصول MLOps در GCP
  • 82. مقدمه‌ای بر Vertex AI Pipelines (مبتنی بر Kubeflow)
  • 83. ساخت یک پایپ‌لاین آموزشی ساده
  • 84. خودکارسازی استقرار مدل با پایپ‌لاین‌ها
  • 85. استفاده از Vertex AI Model Registry
  • 86. نظارت بر مدل برای تشخیص انحراف (Drift & Skew)
  • 87. CI/CD برای سیستم‌های یادگیری ماشین با Cloud Build
  • 88. استفاده از Artifact Registry برای کانتینرها و بسته‌ها
  • 89. فعال‌سازی پایپ‌لاین‌های یادگیری ماشین
  • 90. بهترین شیوه‌ها برای یادگیری ماشین در محیط پروداکشن
  • 91. معماری یک اپلیکیشن هوش مصنوعی بی‌درنگ
  • 92. ساخت یک REST API با Cloud Run
  • 93. احراز هویت کاربران با Identity-Aware Proxy (IAP)
  • 94. استفاده از GCP SDKs در زبان‌های برنامه‌نویسی مختلف
  • 95. استقرار یک اپلیکیشن Full-Stack
  • 96. اتصال بخش کاربری (Frontend) به سرویس‌های بک‌اند
  • 97. احراز هویت سرویس به سرویس
  • 98. نظارت بر اپلیکیشن‌ها با Cloud Monitoring و Alerting
  • 99. لاگ‌گیری متمرکز با Cloud Logging
  • 100. دیباگ و ردیابی با Cloud Trace و Debugger

📚 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