, ,

کتاب Google Cloud Platform: ساخت اپلیکیشن های پردازش زبان طبیعی برای تحلیل کسب و کار

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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 پردازش زبان طبیعی برای تحلیل کسب و کار

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه: پردازش زبان طبیعی و تحلیل کسب و کار
  • 2. چرا Google Cloud Platform برای NLP؟
  • 3. مروری بر اکوسیستم هوش مصنوعی و یادگیری ماشین در GCP
  • 4. ایجاد حساب کاربری و پروژه در GCP
  • 5. آشنایی با کنسول وب Google Cloud
  • 6. نصب و راه‌اندازی Google Cloud SDK (gcloud CLI)
  • 7. مبانی مدیریت هویت و دسترسی (IAM) در GCP
  • 8. نقش‌ها و مجوزهای ضروری برای پروژه‌های NLP
  • 9. مبانی Google Cloud Storage: ایجاد باکت‌ها و آپلود داده
  • 10. آشنایی با Google Compute Engine: ساخت یک ماشین مجازی برای توسعه
  • 11. مبانی شبکه در GCP: VPC, Subnets و Firewall Rules
  • 12. مقدمه‌ای بر معماری‌های بدون سرور (Serverless)
  • 13. آشنایی با Google Cloud Functions برای پردازش‌های سبک
  • 14. آشنایی با Google Cloud Run برای استقرار کانتینرها
  • 15. مقدمه‌ای بر داکر و کانتینرسازی
  • 16. استفاده از Google Cloud Build برای ساخت خودکار ایمیج‌ها
  • 17. ذخیره‌سازی ایمیج‌ها در Google Artifact Registry
  • 18. مقدمه‌ای بر Google Kubernetes Engine (GKE)
  • 19. مدیریت هزینه‌ها و بودجه‌بندی در GCP
  • 20. معماری‌های مرجع برای اپلیکیشن‌های NLP در GCP
  • 21. مبانی پردازش زبان طبیعی (NLP): تاریخچه و مفاهیم کلیدی
  • 22. پیش‌پردازش متن: پاکسازی، توکنیزاسیون و نرمال‌سازی
  • 23. استخراج ستاک واژگان (Stemming) و ریشه‌یابی (Lemmatization)
  • 24. مدل‌های Bag-of-Words و TF-IDF
  • 25. مفهوم جاسازی کلمات (Word Embeddings)
  • 26. آشنایی با مدل‌های Word2Vec و GloVe
  • 27. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN) و LSTM
  • 28. مکانیسم توجه (Attention Mechanism)
  • 29. معماری ترنسفورمرها و مدل BERT
  • 30. مدل‌های زبانی بزرگ (LLMs) و مفاهیم پایه‌ای آن
  • 31. متریک‌های ارزیابی در وظایف NLP: دقت، صحت و F1-Score
  • 32. معرفی APIهای هوش مصنوعی از پیش‌آموزش‌دیده در GCP
  • 33. معرفی Google Cloud Natural Language API
  • 34. فعال‌سازی Natural Language API و مدیریت کلیدها
  • 35. تحلیل احساسات (Sentiment Analysis) با Natural Language API
  • 36. استخراج موجودیت‌ها (Entity Extraction) با Natural Language API
  • 37. تحلیل احساسات موجودیت‌ها (Entity Sentiment Analysis)
  • 38. تحلیل ساختار نحوی (Syntactic Analysis)
  • 39. دسته‌بندی محتوا (Content Classification)
  • 40. استفاده از Natural Language API با Python SDK
  • 41. معرفی Google Cloud AutoML Natural Language
  • 42. چه زمانی از AutoML به جای APIهای آماده استفاده کنیم؟
  • 43. آماده‌سازی و برچسب‌گذاری مجموعه داده برای AutoML
  • 44. آموزش مدل دسته‌بندی متن سفارشی با AutoML
  • 45. آموزش مدل استخراج موجودیت سفارشی با AutoML
  • 46. آموزش مدل تحلیل احساسات سفارشی با AutoML
  • 47. ارزیابی و تحلیل عملکرد مدل‌های AutoML
  • 48. استقرار (Deploy) مدل AutoML و دریافت پیش‌بینی
  • 49. معرفی پلتفرم یکپارچه Vertex AI
  • 50. آشنایی با Vertex AI Datasets برای داده‌های متنی
  • 51. آموزش مدل‌های سفارشی NLP با Vertex AI Training
  • 52. استقرار مدل‌ها در Vertex AI Endpoints
  • 53. استفاده از Generative AI Studio و مدل PaLM 2
  • 54. معرفی Google Cloud Translation API
  • 55. ترجمه متن به زبان‌های مختلف با Translation API
  • 56. معرفی Google Cloud Speech-to-Text API
  • 57. تبدیل فایل‌های صوتی به متن برای تحلیل
  • 58. معرفی Google Cloud Text-to-Speech API
  • 59. ساخت اپلیکیشن‌های صوتی با صدای طبیعی
  • 60. معرفی Google Cloud Document AI
  • 61. استخراج متن و ساختار از اسناد (PDF و تصاویر)
  • 62. معرفی Google Cloud BigQuery به عنوان انبار داده
  • 63. ذخیره‌سازی و تحلیل داده‌های متنی در مقیاس بزرگ با BigQuery
  • 64. استفاده از BigQuery ML برای ساخت مدل‌های NLP ساده
  • 65. طراحی پایپ‌لاین تحلیل بازخورد مشتریان
  • 66. دریافت داده‌ها با Cloud Functions از Cloud Storage
  • 67. پردازش متن و تحلیل احساسات با Natural Language API
  • 68. ذخیره‌سازی نتایج تحلیل در BigQuery
  • 69. مصورسازی بینش‌ها با Google Looker Studio
  • 70. طراحی پایپ‌لاین مانیتورینگ شبکه‌های اجتماعی
  • 71. دریافت داده‌های جریانی (Streaming) با Google Pub/Sub
  • 72. پردازش آنی داده‌ها با Cloud Functions
  • 73. دسته‌بندی موضوعات با مدل AutoML سفارشی
  • 74. ایجاد داشبورد آنی برای رصد ترندها
  • 75. طراحی سیستم پردازش هوشمند اسناد
  • 76. استخراج داده از فاکتورها با Document AI
  • 77. دسته‌بندی نوع اسناد (قرارداد، فاکتور، رزومه)
  • 78. ذخیره اطلاعات استخراج‌شده در پایگاه داده (Cloud SQL)
  • 79. مقدمه‌ای بر ساخت چت‌بات‌های هوشمند
  • 80. معرفی پلتفرم Google Dialogflow CX
  • 81. تعریف اهداف (Intents)، موجودیت‌ها (Entities) و حالت‌ها (States)
  • 82. طراحی جریان مکالمه (Conversation Flow)
  • 83. اتصال Dialogflow به یک Backend با Cloud Functions
  • 84. ادغام با پایگاه دانش با استفاده از Vertex AI Search
  • 85. مقدمه‌ای بر MLOps برای پروژه‌های NLP
  • 86. مدیریت سورس کد با Google Cloud Source Repositories
  • 87. اتوماسیون فرآیند ساخت و تست با Cloud Build
  • 88. ایجاد پایپ‌لاین‌های یادگیری ماشین با Vertex AI Pipelines
  • 89. مانیتورینگ عملکرد مدل و تشخیص افت کیفیت (Drift)
  • 90. مدیریت نسخه‌های مختلف مدل در Vertex AI Model Registry
  • 91. مقیاس‌پذیری سرویس‌های پیش‌بینی با Cloud Run
  • 92. مقیاس‌پذیری پیشرفته با Google Kubernetes Engine (GKE)
  • 93. بهترین شیوه‌های امنیتی برای اپلیکیشن‌های AI/ML
  • 94. استفاده از VPC Service Controls برای حفاظت از داده‌ها
  • 95. راهکارهای بهینه‌سازی هزینه در آموزش و استنتاج مدل‌ها
  • 96. هوش مصنوعی مسئولانه (Responsible AI) و ابزارهای GCP
  • 97. توضیح‌پذیری مدل‌های NLP با Explainable AI در Vertex AI
  • 98. کار با داده‌های چندزبانه در پروژه‌های NLP
  • 99. تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ در Vertex AI
  • 100. مقایسه هزینه و عملکرد بین سرویس‌های مختلف NLP در GCP

📚 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 پردازش زبان طبیعی برای تحلیل کسب و کار”

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

پیمایش به بالا