سپنتا کتاب اکسپرس
کتاب Google Cloud Platform: ساخت اپلیکیشن های تشخیص الگو در داده ها

کتاب Google Cloud Platform: ساخت اپلیکیشن های تشخیص الگو در داده ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 تشخیص الگو در داده ها

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری ماشین و تشخیص الگو
  • 2. مقدمه ای بر Google Cloud Platform (GCP)
  • 3. چرا GCP برای تشخیص الگو؟
  • 4. مروری بر خدمات GCP برای تشخیص الگو
  • 5. مفاهیم کلیدی یادگیری ماشین
  • 6. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 7. مراحل اصلی در ساخت اپلیکیشن تشخیص الگو
  • 8. جمع آوری داده ها
  • 9. پاکسازی و پیش پردازش داده ها
  • 10. مهندسی ویژگی (Feature Engineering)
  • 11. انتخاب مدل
  • 12. آموزش مدل
  • 13. ارزیابی مدل
  • 14. استقرار مدل
  • 15. نظارت و نگهداری مدل
  • 16. ابزارهای GCP برای جمع آوری داده ها
  • 17. Cloud Storage
  • 18. BigQuery
  • 19. Cloud SQL
  • 20. Datastore
  • 21. Pub/Sub
  • 22. ابزارهای GCP برای پاکسازی و پیش پردازش داده ها
  • 23. Dataflow
  • 24. Dataproc
  • 25. Cloud Dataprep
  • 26. Vertex AI Data Labeling
  • 27. ابزارهای GCP برای مهندسی ویژگی
  • 28. BigQuery
  • 29. Dataflow
  • 30. Dataproc
  • 31. Vertex AI
  • 32. کتابخانه های پایتون برای یادگیری ماشین
  • 33. NumPy
  • 34. Pandas
  • 35. Scikit-learn
  • 36. TensorFlow
  • 37. PyTorch
  • 38. معرفی Vertex AI
  • 39. Vertex AI Overview
  • 40. Vertex AI Pipelines
  • 41. Vertex AI Training
  • 42. Vertex AI Prediction
  • 43. Vertex AI Model Registry
  • 44. Vertex AI Feature Store
  • 45. Vertex AI Experiments
  • 46. Vertex AI Workbench
  • 47. مقدمه ای بر BigQuery ML
  • 48. مزایای BigQuery ML
  • 49. کاربرد BigQuery ML در تشخیص الگو
  • 50. ساخت مدل های یادگیری ماشین در BigQuery ML
  • 51. آموزش مدل های طبقه بندی در BigQuery ML
  • 52. آموزش مدل های رگرسیون در BigQuery ML
  • 53. آموزش مدل های خوشه بندی در BigQuery ML
  • 54. استفاده از BigQuery ML برای پیش بینی
  • 55. معرفی Cloud AI Platform (قدیمی، اما برای درک مفاهیم مفید است)
  • 56. Cloud AI Platform Training
  • 57. Cloud AI Platform Prediction
  • 58. Cloud AI Platform Pipelines
  • 59. مقدمه ای بر TensorFlow Enterprise
  • 60. مزایای TensorFlow Enterprise
  • 61. استفاده از TensorFlow Enterprise در GCP
  • 62. TensorFlow Extended (TFX)
  • 63. مقدمه ای بر AutoML
  • 64. AutoML Vision
  • 65. AutoML Natural Language
  • 66. AutoML Tables
  • 67. AutoML Translation
  • 68. AutoML Video Intelligence
  • 69. کاربرد AutoML در تشخیص الگو
  • 70. مزایای استفاده از AutoML
  • 71. محدودیت های AutoML
  • 72. استفاده از Vertex AI برای آموزش مدل های سفارشی
  • 73. انتخاب محیط آموزشی در Vertex AI
  • 74. تنظیم پارامترهای آموزش
  • 75. مانیتورینگ فرآیند آموزش
  • 76. مدیریت مدل ها در Vertex AI Model Registry
  • 77. نسخه بندی مدل ها
  • 78. مقایسه مدل های مختلف
  • 79. استقرار مدل ها برای پیش بینی آنلاین
  • 80. استقرار مدل ها برای پیش بینی دسته ای (Batch Prediction)
  • 81. استفاده از Vertex AI Endpoints
  • 82. استفاده از Vertex AI Batch Prediction
  • 83. مدیریت دسترسی به مدل ها
  • 84. امنیت در استقرار مدل ها
  • 85. نظارت بر عملکرد مدل ها
  • 86. تشخیص انحراف داده (Data Drift)
  • 87. تشخیص انحراف مدل (Model Drift)
  • 88. تنظیم مجدد مدل ها
  • 89. استفاده از Vertex AI Pipelines برای اتوماسیون
  • 90. طراحی پایپ لاین های یادگیری ماشین
  • 91. مراحل پایپ لاین: جمع آوری داده، پیش پردازش، آموزش، ارزیابی، استقرار
  • 92. استفاده از کامپوننت های آماده در Vertex AI Pipelines
  • 93. ساخت کامپوننت های سفارشی
  • 94. اجرای پایپ لاین ها
  • 95. زمان بندی پایپ لاین ها
  • 96. مانیتورینگ پایپ لاین ها
  • 97. استفاده از Vertex AI Feature Store
  • 98. مدیریت ویژگی ها
  • 99. بازیابی ویژگی ها برای آموزش
  • 100. بازیابی ویژگی ها برای پیش بینی

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.