دوره Google Cloud Platform: High-Quality, High-Speed, and High-Accuracy Image Processing Application Development همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: High-Quality, High-Speed, and High-Accuracy Image Processing Application Development

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مفاهیم پایه ای Cloud Computing و GCP
• 2. معرفی سرویس های اصلی GCP برای پردازش تصویر
• 3. راه اندازی حساب کاربری و پروژه در GCP
• 4. مروری بر کنسول GCP و ابزارهای خط فرمان (gcloud)
• 5. آشنایی با Containerization و Docker
• 6. مقدمه ای بر Kubernetes و GKE (Google Kubernetes Engine)
• 7. ساخت Docker Image برای برنامه پردازش تصویر
• 8. آپلود Docker Image به Container Registry
• 9. راه اندازی یک Cluster در GKE
• 10. Deploy کردن یک Application پردازش تصویر در GKE
• 11. Scaling و مدیریت ریسورس ها در GKE
• 12. مقدمه ای بر Cloud Storage
• 13. ایجاد Bucket در Cloud Storage
• 14. آپلود و دانلود تصاویر از Cloud Storage
• 15. امنیت Cloud Storage: IAM و دسترسی ها
• 16. مقدمه ای بر Cloud Functions
• 17. نوشتن یک Cloud Function برای پردازش تصویر
• 18. Trigger کردن Cloud Function با Cloud Storage
• 19. مقدمه ای بر Cloud Vision API
• 20. تشخیص اشیا و چهره در تصاویر با Cloud Vision API
• 21. استخراج متن از تصاویر (OCR) با Cloud Vision API
• 22. استفاده از Cloud Vision API برای تشخیص برچسب (label)
• 23. مقدمه ای بر Cloud AutoML Vision
• 24. آموزش یک مدل سفارشی تشخیص تصویر با Cloud AutoML Vision
• 25. Deploy کردن مدل AutoML Vision
• 26. ارزیابی کارایی مدل AutoML Vision
• 27. مقدمه ای بر Cloud TPUs
• 28. بهینه سازی مدل های یادگیری عمیق برای پردازش تصویر با Cloud TPUs
• 29. آماده سازی داده ها برای آموزش با Cloud TPUs
• 30. آموزش مدل های بزرگ با Cloud TPUs
• 31. مقدمه ای بر Cloud Dataflow
• 32. پردازش دسته ای (Batch Processing) تصاویر با Cloud Dataflow
• 33. پردازش جریانی (Stream Processing) تصاویر با Cloud Dataflow
• 34. ساخت Pipeline های Dataflow برای پردازش تصویر
• 35. مقدمه ای بر Cloud Dataproc
• 36. استفاده از Spark و Hadoop برای پردازش تصویر با Cloud Dataproc
• 37. ایجاد Cluster Dataproc
• 38. پردازش داده های بزرگ تصویر با Dataproc
• 39. مقدمه ای بر TensorFlow و Keras
• 40. ساخت یک مدل پایه ای شبکه عصبی برای پردازش تصویر
• 41. آموزش و ارزیابی مدل TensorFlow/Keras
• 42. بهینه سازی مدل TensorFlow/Keras
• 43. ذخیره و بارگذاری مدل TensorFlow/Keras
• 44. استفاده از Transfer Learning برای افزایش دقت مدل
• 45. استفاده از مدل های از پیش آموزش داده شده (Pre-trained Models)
• 46. Fine-tuning مدل های از پیش آموزش داده شده
• 47. ساخت API برای مدل پردازش تصویر
• 48. Deploy کردن API با Cloud Run
• 49. مقیاس پذیری API با Cloud Run
• 50. امنیت API با Cloud Run
• 51. استفاده از Cloud Logging برای مانیتورینگ
• 52. استفاده از Cloud Monitoring برای مانیتورینگ
• 53. ایجاد داشبورد مانیتورینگ
• 54. Alerting و Notifications
• 55. عیب یابی (Troubleshooting) برنامه های پردازش تصویر در GCP
• 56. بهینه سازی هزینه در GCP
• 57. استفاده از Committed Use Discounts
• 58. استفاده از Sustained Use Discounts
• 59. استفاده از preemptible VMs
• 60. معماری یک سیستم پردازش تصویر با مقیاس پذیری بالا
• 61. معماری یک سیستم پردازش تصویر با تحمل خطا بالا
• 62. معماری یک سیستم پردازش تصویر با امنیت بالا
• 63. استفاده از Load Balancing
• 64. استفاده از CDN (Content Delivery Network)
• 65. بهینه سازی تصاویر برای سرعت بارگذاری
• 66. فشرده سازی تصاویر
• 67. تغییر اندازه تصاویر
• 68. Watermarking تصاویر
• 69. اضافه کردن فیلتر به تصاویر
• 70. تشخیص لبه در تصاویر
• 71. تغییر رنگ تصاویر
• 72. چرخش و برش تصاویر
• 73. پردازش تصاویر با استفاده از OpenCV
• 74. استفاده از های پردازش تصویر در Python
• 75. استفاده از Pillow library
• 76. استفاده از Scikit-image library
• 77. تشخیص حرکت در تصاویر و ویدیو
• 78. ردیابی اشیا در تصاویر و ویدیو
• 79. تحلیل ویدیو با Cloud Video Intelligence API
• 80. تشخیص صحنه در ویدیو
• 81. تشخیص speech در ویدیو
• 82. پردازش زبان طبیعی (NLP) بر روی متن استخراج شده از تصاویر
• 83. استفاده از Cloud Natural Language API
• 84. ساخت یک Chatbot برای پردازش تصویر
• 85. ادغام با سایر سرویس های GCP
• 86. ادغام با BigQuery برای تحلیل داده
• 87. ادغام با Pub/Sub برای جریان داده
• 88. استفاده از Cloud Build برای CI/CD (Continuous Integration/Continuous Deployment)
• 89. استقرار خودکار (Automated Deployment) برنامه های پردازش تصویر
• 90. آشنایی با Terraform و Infrastructure as Code (IaC)
• 91. پیاده سازی زیرساخت پردازش تصویر با Terraform
• 92. مدیریت پیکربندی با Ansible
• 93. امنیت داده های تصویر
• 94. رمزگذاری داده ها (Encryption)
• 95. مدیریت کلیدها (Key Management)
• 96. آشنایی با GDPR و حریم خصوصی داده ها
• 97. بهترین روش ها برای توسعه برنامه های پردازش تصویر در GCP
• 98. بررسی نمونه پروژه های پردازش تصویر
• 99. ساخت یک برنامه تشخیص چهره
• 100. ساخت یک برنامه تشخیص اشیا