فلشکارتهای آموزشی Google Cloud Platform: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques
Google Cloud Platform: تحلیل دادههای لحظهای با هوش مصنوعی پیشرفته Google Cloud Platform: تحلیل دادههای لحظهای با هوش مصنوعی پیشرفته همین حالا ثبتنام کنید و از تخفیف ویژه برخوردار شوید! عضویت معرف...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره Google Cloud Platform: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques
موضوع کلی: برنامه نویسی
موضوع میانی: Google Cloud Platform (GCP)
📋 سرفصلهای دوره
- 1. معرفی دوره و اهداف آموزشی
- 2. آشنایی با Google Cloud Platform و مزایای آن
- 3. مروری بر سرویسهای اصلی GCP (Compute, Storage, Networking)
- 4. راه اندازی حساب کاربری و پروژه GCP
- 5. مدیریت هویت و دسترسی در GCP (IAM)
- 6. مفاهیم Billing و بودجهبندی در GCP
- 7. بررسی Cloud CLI و Cloud Console
- 8. مقدمهای بر BigQuery: انبار داده ابری مقیاسپذیر
- 9. بارگذاری داده در BigQuery از منابع مختلف
- 10. کوئری نویسی پیشرفته در BigQuery
- 11. معرفی Google Cloud Storage: ذخیرهسازی اشیاء با دوام
- 12. مدیریت دادهها و دسترسی در Cloud Storage
- 13. مقدمهای بر Cloud SQL: پایگاه داده رابطهای مدیریت شده
- 14. آشنایی با NoSQL در GCP: Cloud Datastore/Firestore
- 15. کاربرد Bigtable برای دادههای تحلیلی با حجم بالا
- 16. مقدمهای بر مفاهیم Real-time Data و Streaming Analytics
- 17. معماریهای Real-time Data Processing (Lambda vs Kappa)
- 18. Google Cloud Pub/Sub: سیستم پیامرسان Real-time مقیاسپذیر
- 19. ایجاد و مدیریت Topic و Subscription در Pub/Sub
- 20. انتشار و دریافت پیام از طریق Pub/Sub (Pull و Push)
- 21. امنیت و مانیتورینگ Pub/Sub
- 22. مقدمهای بر Apache Beam و Google Cloud Dataflow
- 23. اصول برنامهنویسی با Apache Beam (Pipelines, PCollections, Transforms)
- 24. اجرای Jobهای Batch در Dataflow
- 25. اجرای Jobهای Streaming در Dataflow
- 26. الگوهای طراحی برای Dataflow (Windowing, Triggers, Watermarks)
- 27. بهینهسازی عملکرد و هزینه Dataflow Jobها
- 28. مدیریت خطا و پردازش مجدد در Dataflow
- 29. Dataflow SQL: تحلیل دادههای جریانی با SQL
- 30. پردازش رویدادها با Cloud Functions
- 31. کاربردهای Cloud Functions در Real-time Analytics
- 32. اتصال Cloud Functions به Pub/Sub و سایر سرویسها
- 33. ذخیرهسازی دادههای جریانی در BigQuery Streaming Inserts
- 34. ذخیرهسازی دادههای جریانی با کارایی بالا در Bigtable
- 35. معرفی Cloud Composer (Apache Airflow) برای ارکستراسیون پایپلاین
- 36. ساخت DAGهای ساده در Cloud Composer
- 37. ارکستراسیون پایپلاینهای Real-time Data با Cloud Composer
- 38. مقدمهای بر Change Data Capture (CDC) و کاربرد آن در GCP
- 39. پیادهسازی CDC برای انتقال Real-time داده به GCP
- 40. اصول طراحی پایپلاینهای Real-time End-to-End
- 41. انتخاب بهترین سرویس برای سناریوهای مختلف Real-time Ingestion
- 42. بررسی یک مطالعه موردی Real-time Data Processing
- 43. مقدمهای بر هوش مصنوعی و یادگیری ماشین در GCP
- 44. اکوسیستم Vertex AI: پلتفرم یکپارچه MLOps
- 45. Vertex AI Workbench: محیطهای توسعه ML مدیریت شده
- 46. استفاده از Notebookهای Vertex AI برای توسعه مدل
- 47. Data Labelling Service در Vertex AI برای آمادهسازی داده
- 48. آمادهسازی و پیشپردازش داده برای ML با Vertex AI Dataflow/Wrangler
- 49. معرفی Vertex AI Training: آموزش مدلهای ML
- 50. آموزش مدلهای سفارشی با Vertex AI Training
- 51. آموزش مدلهای Scikit-learn و TensorFlow در Vertex AI
- 52. مدیریت Datasetها در Vertex AI
- 53. معرفی Vertex AI Feature Store: مدیریت Featureها
- 54. طراحی Feature Store برای کاربردهای Real-time ML
- 55. مهندسی Feature برای مدلهای ML Real-time
- 56. Vertex AI Prediction: سرویس استقرار و پیشبینی مدل
- 57. استقرار مدلهای ML برای پیشبینی Online و Batch
- 58. مانیتورینگ مدل در Vertex AI Model Monitoring
- 59. تشخیص Drift و Outlier در مدلهای ML Real-time
- 60. AutoML Vision: ساخت مدلهای بینایی کامپیوتری بدون کد
- 61. AutoML Natural Language: پردازش زبان طبیعی بدون کد
- 62. AutoML Tables: ساخت مدلهای طبقهبندی و رگرسیون
- 63. استفاده از Pre-trained APIs: Cloud Vision API
- 64. استفاده از Cloud Natural Language API
- 65. استفاده از Cloud Speech-to-Text و Text-to-Speech API
- 66. استفاده از Cloud Translation API
- 67. AI Explainability (XAI) در Vertex AI
- 68. مقدمهای بر MLOps: عملیات یادگیری ماشین
- 69. ساخت پایپلاینهای MLOps با Vertex AI Pipelines
- 70. اتوماسیون CI/CD برای مدلهای ML
- 71. مدیریت نسخهبندی مدل و Registry در Vertex AI
- 72. استقرار مدلهای Real-time بر روی Edge Devices با Vertex AI Edge
- 73. طراحی معماری برای ML در Real-time
- 74. مقایسه و انتخاب ابزارهای ML برای سناریوهای مختلف
- 75. ملاحظات اخلاقی و مسئولیتپذیری در AI (Responsible AI)
- 76. کاربرد Generative AI در تحلیل داده
- 77. معرفی و کار با Generative AI Studio
- 78. استفاده از مدلهای بنیادین (Foundation Models) در GCP
- 79. طراحی API برای دسترسی به دادههای Real-time و پیشبینیهای ML
- 80. استقرار API با Cloud Run: کانتینرهای Serverless
- 81. استقرار API با App Engine
- 82. Cloud Endpoints و Apigee برای مدیریت API
- 83. اتصال برنامههای کاربردی به BigQuery و Bigtable
- 84. طراحی UI/UX برای داشبوردهای Real-time
- 85. استفاده از Looker Studio برای ساخت داشبورد
- 86. اتصال Looker Studio به BigQuery Streaming
- 87. ساخت داشبوردهای تعاملی با Looker Studio
- 88. معرفی Looker (Business Intelligence پیشرفته در GCP)
- 89. توسعه برنامههای Front-end برای نمایش دادههای Real-time
- 90. امنیت در توسعه برنامههای Real-time (OAuth, API Keys)
- 91. مانیتورینگ و لاگینگ برنامهها با Cloud Monitoring و Cloud Logging
- 92. تنظیم Alert و Notification برای رویدادهای Real-time
- 93. مقیاسپذیری و دسترسپذیری برنامههای Real-time
- 94. بهینهسازی هزینه در توسعه برنامههای Real-time
- 95. تست و دیباگینگ برنامههای Real-time
- 96. بررسی یک سناریوی End-to-End: از داده تا برنامه Real-time
- 97. مروری بر بهترین شیوهها و الگوهای طراحی
- 98. جمعبندی دوره و گامهای بعدی برای یادگیری و پیادهسازی
- 99. پردازش جریانهای داده آنی با استفاده از Cloud Pub/Sub و Dataflow
- 100. ساخت و استقرار مدلهای یادگیری ماشین با استفاده از Vertex AI و BigQuery ML
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
Advanced AI
Application Development
Big Data
Cloud Computing
Data Science
GCP
GCP AI
GCP ML
Google Cloud
Google Cloud Platform
Machine Learning
Programming
Real-time Data Analysis
برنامه نویسی
پردازش ابری
تحلیل دادههای بلادرنگ
توسعه برنامه
علم داده
هوش مصنوعی پیشرفته
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.