توضیحات
Learn how easy it is to apply sophisticated statistical and machine learning methods to real-world problems when you build using Google Cloud Platform (GCP). This hands-on guide shows data engineers and data scientists how to implement an end-to-end data pipeline with cloud native tools on GCP.
Throughout this updated second edition, you’ll work through a sample business decision by employing a variety of data science approaches. Follow along by building a data pipeline in your own project on GCP, and discover how to solve data science problems in a transformative and more collaborative way.
You’ll learn how to:
Employ best practices in building highly scalable data and ML pipelines on Google Cloud
Automate and schedule data ingest using Cloud Run
Create and populate a dashboard in Data Studio
Build a real-time analytics pipeline using Pub/Sub, Dataflow, and BigQuery
Conduct interactive data exploration with BigQuery
Create a Bayesian model with Spark on Cloud Dataproc
Forecast time series and do anomaly detection with BigQuery ML
Aggregate within time windows with Dataflow
Train explainable machine learning models with Vertex AI
Operationalize ML with Vertex AI Pipelines
————————————————————–
ترجمه ماشینی :
بیاموزید که وقتی با استفاده از پلتفرم ابری Google (GCP) میسازید، استفاده از روشهای آماری و یادگیری ماشینی پیچیده برای مشکلات دنیای واقعی چقدر آسان است. این راهنمای عملی به مهندسان داده و دانشمندان داده نشان می دهد که چگونه یک خط لوله داده سرتاسر را با ابزارهای بومی ابری در GCP پیاده سازی کنند. در طول این نسخه دوم به روز شده، شما با استفاده از انواع روش های علم داده، از طریق یک تصمیم تجاری نمونه کار خواهید کرد. با ایجاد خط لوله داده در پروژه خود در GCP ادامه دهید و کشف کنید که چگونه مسائل علم داده را به روشی متحول کننده و مشارکتی تر حل کنید. شما یاد خواهید گرفت که چگونه: بهترین شیوهها را در ساخت خطوط لوله داده و ML بسیار مقیاسپذیر در Google Cloud به کار بگیرید دریافت دادهها را با استفاده از Cloud Run بهطور خودکار و زمانبندی کنید ایجاد و پر کردن داشبورد در Data Studio ایجاد خط لوله تجزیه و تحلیل بلادرنگ با استفاده از Pub/Sub، Dataflow و BigQuery انجام کاوش تعاملی داده با BigQuery ایجاد یک مدل بیزی با Spark on Cloud Dataproc سری زمانی پیشبینی و تشخیص ناهنجاری با BigQuery ML جمعآوری در پنجرههای زمانی با Dataflow آموزش مدلهای یادگیری ماشینی قابل توضیح با Vertex AI Operationalize ML with Vertex AI Pipelines
tag : دانلود کتاب علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی , Download علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی , دانلود علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی , Download Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning Book , علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی دانلود , buy علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی , خرید کتاب علم داده در پلتفرم Google Cloud: پیادهسازی خطوط انتقال داده در زمان واقعی از سر به سر: از دریافت تا یادگیری ماشینی , دانلود کتاب Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning , کتاب Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning , دانلود Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning , خرید Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning , خرید کتاب Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.