کتاب Google Cloud Platform: High-Quality, High-Speed, and High-Accuracy Image Processing Application Development با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 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. مقدمه‌ای بر پردازش تصویر در GCP
• 2. مقدمه‌ای بر GCP و اکوسیستم آن
• 3. نصب و پیکربندی Google Cloud SDK
• 4. مفاهیم کلیدی سرویس‌های GCP برای پردازش تصویر
• 5. انتخاب سرویس‌های GCP مناسب برای نیازهای پردازش تصویر
• 6. آشنایی با Compute Engine و ماشین‌های مجازی
• 7. استفاده از Compute Engine برای اجرای کدهای پردازش تصویر
• 8. مفاهیم اولیه ذخیره‌سازی در GCP: Cloud Storage
• 9. طراحی ساختار پوشه‌ها در Cloud Storage برای داده‌های تصویری
• 10. آپلود و دانلود تصاویر در Cloud Storage
• 11. مدیریت دسترسی و مجوزها در Cloud Storage
• 12. مقدمه‌ای بر BigQuery و کاربردهای آن در پردازش تصویر
• 13. ذخیره‌سازی ابرداده تصاویر در BigQuery
• 14. تحلیل ابرداده تصاویر با BigQuery
• 15. آشنایی با Cloud Functions و پردازش رویداد محور
• 16. استفاده از Cloud Functions برای پردازش خودکار تصاویر
• 17. اتصال Cloud Functions به Cloud Storage
• 18. مقدمه‌ای بر Cloud Run و استقرار کانتینرهای برنامه‌های پردازش تصویر
• 19. مزایای Cloud Run برای پردازش تصویر
• 20. استقرار اپلیکیشن‌های پردازش تصویر روی Cloud Run
• 21. مقدمه‌ای بر Kubernetes Engine (GKE)
• 22. استقرار و مدیریت اپلیکیشن‌های پردازش تصویر با GKE
• 23. انتخاب ماشین‌های مجازی مناسب در GKE
• 24. مدیریت دیتابیس‌ها در GCP: Cloud SQL
• 25. استفاده از Cloud SQL برای ذخیره‌سازی ابرداده پیچیده
• 26. اتصال اپلیکیشن‌های پردازش تصویر به Cloud SQL
• 27. مقدمه‌ای بر Cloud Pub/Sub برای ارتباط ناهمگام
• 28. استفاده از Pub/Sub برای مدیریت صف پردازش تصویر
• 29. پیاده‌سازی سیستم‌های مبتنی بر پیام برای پردازش تصویر
• 30. آشنایی با Vision AI API
• 31. قابلیت‌های Vision AI: تشخیص اشیاء
• 32. قابلیت‌های Vision AI: تشخیص برچسب
• 33. قابلیت‌های Vision AI: تشخیص چهره
• 34. قابلیت‌های Vision AI: تشخیص متن (OCR)
• 35. قابلیت‌های Vision AI: تشخیص متن در تصاویر (Document Text Detection)
• 36. قابلیت‌های Vision AI: تشخیص ایمنی محتوا
• 37. قابلیت‌های Vision AI: دسته‌بندی تصاویر
• 38. قابلیت‌های Vision AI: تجزیه و تحلیل تصاویر (Image Properties)
• 39. استفاده از Vision AI API در اپلیکیشن‌های خود
• 40. اتصال Vision AI به Cloud Functions
• 41. اتصال Vision AI به Cloud Run
• 42. اتصال Vision AI به GKE
• 43. پردازش دسته‌ای تصاویر با Vision AI
• 44. بهینه‌سازی هزینه استفاده از Vision AI
• 45. آشنایی با Video Intelligence API
• 46. قابلیت‌های Video Intelligence: تشخیص اشیاء در ویدئو
• 47. قابلیت‌های Video Intelligence: تشخیص برچسب در ویدئو
• 48. قابلیت‌های Video Intelligence: تشخیص متن در ویدئو
• 49. قابلیت‌های Video Intelligence: تشخیص چهره در ویدئو
• 50. قابلیت‌های Video Intelligence: تجزیه و تحلیل صحنه در ویدئو
• 51. قابلیت‌های Video Intelligence: تشخیص رویدادهای خاص در ویدئو
• 52. استفاده از Video Intelligence API در اپلیکیشن‌های خود
• 53. پردازش ویدئوهای بزرگ با Video Intelligence
• 54. مدیریت هزینه استفاده از Video Intelligence API
• 55. مقدمه‌ای بر AutoML Vision
• 56. آموزش مدل‌های سفارشی دسته‌بندی تصویر با AutoML Vision
• 57. آموزش مدل‌های سفارشی تشخیص اشیاء با AutoML Vision
• 58. جمع‌آوری و آماده‌سازی داده‌ها برای AutoML Vision
• 59. ارزیابی عملکرد مدل‌های AutoML Vision
• 60. استقرار مدل‌های AutoML Vision
• 61. استفاده از مدل‌های AutoML Vision در اپلیکیشن‌های خود
• 62. مقدمه‌ای بر TensorFlow Enterprise بر روی GCP
• 63. استفاده از TensorFlow Enterprise برای آموزش مدل‌های سفارشی
• 64. شتاب‌دهنده‌های سخت‌افزاری (GPU/TPU) در GCP برای یادگیری عمیق
• 65. تنظیم محیط TensorFlow Enterprise
• 66. آموزش مدل‌های پردازش تصویر با TensorFlow Enterprise
• 67. بهینه‌سازی آموزش مدل‌های عمیق
• 68. استقرار مدل‌های TensorFlow Enterprise
• 69. مقدمه‌ای بر Vertex AI
• 70. مدیریت چرخه حیات مدل با Vertex AI
• 71. آموزش مدل‌های سفارشی در Vertex AI
• 72. استفاده از Vertex AI Pipelines برای اتوماسیون
• 73. مدیریت داده‌ها در Vertex AI
• 74. ارزیابی و مانیتورینگ مدل‌ها در Vertex AI
• 75. استقرار مدل‌ها در Vertex AI Endpoints
• 76. استفاده از Vertex AI برای پردازش تصویر در مقیاس بزرگ
• 77. اتصال Vertex AI به Cloud Storage
• 78. اتصال Vertex AI به BigQuery
• 79. مقدمه‌ای بر Dataflow برای پردازش داده‌های حجیم
• 80. پردازش توزیع شده تصاویر با Dataflow
• 81. استفاده از Dataflow برای ETL داده‌های تصویری
• 82. پیاده‌سازی خطوط لوله پردازش تصویر با Dataflow
• 83. مانیتورینگ و اشکال‌زدایی Dataflow
• 84. بهینه‌سازی عملکرد Dataflow
• 85. مقدمه‌ای بر Cloud AI Platform Pipelines (برای موارد قدیمی‌تر، یا جایگزین Vertex AI Pipelines)
• 86. ساخت خطوط لوله پردازش تصویر با AI Platform Pipelines
• 87. مدیریت وابستگی‌ها در خطوط لوله
• 88. اشکال‌زدایی خطوط لوله
• 89. مقدمه‌ای بر ابزارهای خط فرمان (CLI) GCP برای پردازش تصویر
• 90. اسکریپت‌نویسی پردازش تصویر با `gcloud`
• 91. استفاده از `gsutil` برای مدیریت Cloud Storage
• 92. اتوماسیون وظایف پردازش تصویر با اسکریپت‌ها
• 93. امنیت در اپلیکیشن‌های پردازش تصویر GCP
• 94. مدیریت کلیدها و اعتبارنامه‌ها (Service Accounts)
• 95. رمزگذاری داده‌ها در حال سکون و در حال انتقال
• 96. پیکربندی فایروال‌ها و شبکه‌بندی
• 97. مانیتورینگ و لاگ‌گیری در GCP
• 98. استفاده از Cloud Logging برای لاگ‌های پردازش تصویر
• 99. استفاده از Cloud Monitoring برای متریک‌ها
• 100. تنظیم هشدارها (Alerts) برای مشکلات پردازش تصویر