اپلیکیشن اندرویدی فلش‌کارت آموزشی Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی

349,950 تومان
دوره جامع Google Cloud Platform: اپلیکیشن‌های هوش مصنوعی زمان واقعی انقلاب در تحلیل داده‌ها: دوره تخصصی Google Cloud Platform برای ساخت اپلیکیشن‌های هوش مصنوعی زمان واقعی معرفی دوره: آینده تحلیل داده‌...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی با استفاده از هوش مصنوعی

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر Google Cloud Platform (GCP)
  • 2. معرفی خدمات کلیدی GCP برای تحلیل داده و هوش مصنوعی
  • 3. ایجاد و مدیریت پروژه در GCP
  • 4. مدیریت هویت و دسترسی (IAM) در GCP
  • 5. شبکه سازی پایه در GCP: VPC و Subnets
  • 6. راه اندازی ماشین مجازی (VM) در Compute Engine
  • 7. استفاده از Google Cloud Shell و Cloud SDK
  • 8. معرفی Google Cloud Storage (GCS) برای ذخیره سازی داده
  • 9. بارگذاری و مدیریت داده ها در GCS
  • 10. امنیت در GCS: کنترل دسترسی و رمزنگاری
  • 11. معرفی Google BigQuery برای انبار داده
  • 12. ایجاد و مدیریت Dataset و Table در BigQuery
  • 13. بارگذاری داده ها در BigQuery از GCS و سایر منابع
  • 14. کوئری نویسی SQL در BigQuery
  • 15. بهینه سازی کوئری های BigQuery برای عملکرد بهتر
  • 16. معرفی Google Cloud Dataflow برای پردازش جریان داده
  • 17. ایجاد Pipeline های Dataflow با استفاده از Apache Beam
  • 18. خواندن و نوشتن داده ها با Dataflow از منابع مختلف
  • 19. تبدیل و غنی سازی داده ها در Dataflow
  • 20. استقرار و مدیریت Pipeline های Dataflow
  • 21. معرفی Google Cloud Dataproc برای پردازش دسته ای داده
  • 22. اجرای Jobs های Apache Hadoop و Spark در Dataproc
  • 23. ایجاد و مدیریت خوشه های Dataproc
  • 24. بهینه سازی Performance Jobs های Dataproc
  • 25. معرفی Google Cloud Pub/Sub برای انتقال پیام های Real-time
  • 26. ایجاد و مدیریت Topic و Subscription در Pub/Sub
  • 27. انتشار و دریافت پیام ها با Pub/Sub
  • 28. ادغام Pub/Sub با Dataflow و BigQuery
  • 29. معرفی Google Cloud Functions برای توابع بدون سرور
  • 30. ایجاد و استقرار Cloud Functions
  • 31. Trigger کردن Cloud Functions با رویدادهای مختلف
  • 32. ادغام Cloud Functions با سایر خدمات GCP
  • 33. معرفی Google Kubernetes Engine (GKE) برای مدیریت Container
  • 34. ایجاد و مدیریت خوشه های Kubernetes در GKE
  • 35. استقرار برنامه ها با استفاده از Docker و Kubernetes
  • 36. مقیاس پذیری و مدیریت منابع در GKE
  • 37. معرفی TensorFlow و Keras برای یادگیری ماشین
  • 38. آماده سازی داده ها برای یادگیری ماشین
  • 39. ساخت و آموزش مدل های یادگیری ماشین با TensorFlow
  • 40. ارزیابی و بهینه سازی مدل های یادگیری ماشین
  • 41. استقرار مدل های یادگیری ماشین با TensorFlow Serving
  • 42. معرفی Google AI Platform Training برای آموزش مدل های یادگیری ماشین
  • 43. اجرای Jobs های آموزشی TensorFlow و PyTorch در AI Platform Training
  • 44. استفاده از TPU ها برای آموزش سریعتر مدل های یادگیری ماشین
  • 45. معرفی Google AI Platform Prediction برای پیش بینی Online
  • 46. استقرار مدل های یادگیری ماشین آموزش داده شده در AI Platform Prediction
  • 47. ساخت API برای درخواست های پیش بینی
  • 48. معرفی Google Cloud Vision API برای پردازش تصویر
  • 49. تشخیص اشیاء و چهره ها در تصاویر با Vision API
  • 50. استخراج متن از تصاویر با OCR
  • 51. معرفی Google Cloud Natural Language API برای پردازش متن
  • 52. تجزیه و تحلیل Sentiment متن با Natural Language API
  • 53. تشخیص موجودیت ها و دسته بندی متن
  • 54. معرفی Google Cloud Speech-to-Text API برای تبدیل گفتار به متن
  • 55. تبدیل صدا به متن با Speech-to-Text API
  • 56. بهینه سازی دقت Speech-to-Text API
  • 57. معرفی Google Cloud Translation API برای ترجمه زبان
  • 58. ترجمه متن به زبان های مختلف با Translation API
  • 59. معرفی Google Cloud AutoML برای یادگیری ماشین بدون کد
  • 60. ساخت مدل های یادگیری ماشین سفارشی با AutoML Vision
  • 61. ساخت مدل های یادگیری ماشین سفارشی با AutoML Natural Language
  • 62. ساخت مدل های یادگیری ماشین سفارشی با AutoML Translation
  • 63. ساخت داشبوردهای تحلیل داده با Google Data Studio
  • 64. اتصال Data Studio به منابع داده GCP
  • 65. ایجاد گزارشات و نمودارهای تعاملی در Data Studio
  • 66. مانیتورینگ و Logging در GCP با Cloud Monitoring و Cloud Logging
  • 67. تنظیم Alert ها و Metrics برای ردیابی عملکرد برنامه
  • 68. اشکال زدایی برنامه ها با Cloud Logging
  • 69. امنیت در GCP: بهترین شیوه ها
  • 70. رعایت حریم خصوصی و انطباق با مقررات
  • 71. اتوماسیون زیرساخت با Terraform
  • 72. Infrastructure as Code (IaC) با Terraform
  • 73. استقرار خودکار زیرساخت GCP
  • 74. تست و استقرار مداوم (CI/CD) در GCP با Cloud Build
  • 75. ادغام Cloud Build با GitHub و GitLab
  • 76. ایجاد Pipeline های CI/CD برای استقرار خودکار برنامه ها
  • 77. استفاده از Apache Kafka در GCP
  • 78. استقرار و مدیریت Kafka در GKE
  • 79. ادغام Kafka با Dataflow و BigQuery
  • 80. پردازش داده های Streaming با Kafka و Dataflow
  • 81. ساخت Application های Real-time با Firebase
  • 82. استفاده از Firebase Authentication
  • 83. ذخیره داده ها با Firebase Realtime Database و Cloud Firestore
  • 84. ایجاد Notifications با Firebase Cloud Messaging
  • 85. استفاده از Cloud Composer برای Orchestration Workflow
  • 86. ایجاد و مدیریت DAGs در Cloud Composer
  • 87. ادغام Cloud Composer با Dataflow و BigQuery
  • 88. بهینه سازی هزینه در GCP
  • 89. استفاده از Commitment ها و تخفیف ها در GCP
  • 90. مانیتورینگ هزینه ها با Cloud Billing
  • 91. مدیریت Container ها با Docker
  • 92. ساخت Image های Docker
  • 93. استقرار Container ها در GKE و Cloud Run
  • 94. استفاده از Git برای مدیریت کد
  • 95. همکاری با Git و GitHub
  • 96. Branching و Merging در Git
  • 97. استفاده از RESTful APIs
  • 98. طراحی و پیاده سازی RESTful APIs
  • 99. استفاده از OpenAPI Specification (Swagger)
  • 100. پیاده سازی Microservices در GKE
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: AI BigQuery Cloud Dataflow Cloud functions Data Science GCP GCP Tutorial Google Cloud Platform Python Real-time Data Analysis TensorFlow آموزش GCP برنامه نویسی تحلیل داده های زمان واقعی هوش مصنوعی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.