دوره آموزشی کلود سرویس ابر در گوگل  با گواهی حرفه ای Google Cloud Platform
سپتامبر 24, 2019
دوره آموزشی کلود کامپیوتینگ پردازش ابری
سپتامبر 24, 2019

دوره آموزشی معماری با زیرساخت بستر کلود Google Cloud

دوره آموزشی معماری با زیرساخت بستر کلود Google Cloud با گواهی دوره

Google Certified Professional – Data Engineer با جمع آوری ، تبدیل و تجسم داده ها تصمیم گیری مبتنی بر داده را امکان پذیر می کند. مهندس داده ها سیستم های پردازش داده را با تأکید ویژه بر امنیت ، قابلیت اطمینان ، تحمل خطا ، مقیاس پذیری ، وفاداری و کارآیی چنین سیستم هایی طراحی ، ساخت ، نگهداری و عیب یابی سیستم های پردازش داده می کند.

مهندس داده همچنین داده ها را برای به دست آوردن بینش در مورد نتایج تجاری ، تجزیه و تحلیل می کند ، برای حمایت از تصمیم گیری ، مدلهای آماری می سازد و برای یادآوری و ساده سازی فرایندهای کلیدی تجارت ، مدلهای یادگیری ماشینی را ایجاد می کند.

Google Certified Professional – مهندس داده به این معنی است که شما توانایی نشان دادن:

ساخت و نگهداری ساختار داده ها و پایگاه داده ها

طراحی سیستم های پردازش داده ها

تجزیه و تحلیل داده ها و یادگیری ماشین را فعال کنید

مدل سازی فرآیندهای تجاری برای تجزیه و تحلیل و بهینه سازی

طراحی برای قابلیت اطمینان

تجسم داده ها و خط مشی مدافع

طراحی برای امنیت و انطباق.

درباره امتحان:

این امتحان به طور عینی توانایی فرد را برای نشان دادن مهارتهای مهم شغلی برای نقش اندازه گیری می کند. این امتحان باید بصورت حضوری در محل مرکز آزمون انجام شود.

یک مرکز آزمایشی را در نزدیکی خود قرار دهید .

قالب: انتخاب چندگانه و چندگانه را انتخاب کنید.

طول: 4 ساعت

بازآفرینی:

کلیه گواهینامه های گوگل از تاریخ تأیید به مدت 2 سال اعتبار دارند

این دوره یک روزه مربی ، شرکت کنندگان را با قابلیت های بزرگ داده Google Cloud Platform آشنا می کند. شرکت کنندگان از طریق ترکیبی از ارائه ها ، نمایش های آزمایشی و آزمایشگاه های دستی ، نمای کلی از پلتفرم Google Cloud و نمای مفصلی از پردازش داده ها و قابلیت های یادگیری ماشین را به دست می آورند. این دوره سهولت ، انعطاف پذیری و قدرت راه حل های داده های بزرگ را در Google Cloud Platform نشان می دهد.

اهداف

  • هدف و ارزش محصولات اصلی Big Data و Machine Learning را در Google Cloud Platform مشخص کنید.
  • برای انتقال بارهای موجود MySQL و Hadoop / Pig / Spark / Hive موجود به Google Cloud Platform از Cloud SQL و Cloud Dataproc استفاده کنید.
  • برای انجام تجزیه و تحلیل داده های تعاملی از BigQuery و Cloud Datalab استفاده کنید.
  • با استفاده از TensorFlow یک شبکه عصبی آموزش و استفاده کنید.
  • API های ML را استخدام کنید.
  • بین محصولات مختلف پردازش داده در Google Cloud Platform انتخاب کنید.

مشاهده ماژول های دروس مفصل

مخاطب هدف

این کلاس برای موارد زیر در نظر گرفته شده است:

  • تحلیلگران داده ، دانشمندان داده ، تحلیلگران تجارت با Google Cloud Platform شروع به کار می کنند.
  • افرادی که مسئولیت طراحی خطوط لوله و معماری ها برای پردازش داده ها ، ایجاد و حفظ مدل های یادگیری ماشین و آماری ، پرس و جو از مجموعه داده ها ، تجسم نتایج پرس و جو و ایجاد گزارش را بر عهده دارند.
  • مجریان و تصمیم گیرندگان فناوری اطلاعات ، Google Platform Cloud را برای استفاده دانشمندان داده ارزیابی می کنند.

همکاران آموزش

ما با بهترین شرکای آموزش نژاد با استفاده از قدرت خرید عمده خود کار می کنیم

ماژول 1: معرفی بستر های نرم افزاری Google Cloud (  موضوع)

  • بررسی اجمالی مبانی Google Platform.
  • محصولات و فناوری داده های Google Platform Cloud.
  • سناریوهای استفاده.
  • آزمایشگاه: برای Google Cloud Platform ثبت نام کنید.

ماژول 2: اصول محاسبه و ذخیره سازی (4 موضوع)

  • پردازنده های مورد نیاز (موتور محاسبه).
  • یک سیستم فایل جهانی (ذخیره سازی ابر).
  • CloudShell.
  • آزمایشگاه: یک خط لوله پردازش داده Ingest-Transform-Publish را تنظیم کنید.

ماژول 3: تجزیه و تحلیل داده ها روی ابر (5 موضوع)

  • پله های سنگی به سمت ابر.
  • Cloud SQL: پایگاه داده SQL شما روی cloud.
  • Lab: وارد کردن داده به CloudSQL و نمایش داده شد.
  • جرقه در Dataproc.
  • آزمایشگاه: توصیه های یادگیری ماشین با SparkML.

ماژول 4: مقیاس بندی تجزیه و تحلیل داده ها (8 موضوع)

  • دسترسی سریع تصادفی.
  • داتلاب
  • BigQuery
  • آزمایشگاه: ساخت مجموعه داده یادگیری ماشین.
  • آموزش ماشین با TensorFlow.
  • آزمایشگاه: آموزش و استفاده از شبکه عصبی.
  • مدلهای کاملاً ساخته شده برای نیازهای مشترک.
  • آزمایشگاه: از APL های ML استفاده کنید

ماژول 5: معماری پردازش داده ها (3 موضوع)

  • معماری پیام گرا با میخانه / زیر.
  • ایجاد خطوط لوله با Dataflow.
  • معماری مرجع برای پردازش داده های زمان واقعی و دسته ای.

ماژول 6: خلاصه (3 موضوع)

  • چرا GCP؟
  • از اینجا کجا بروم
  • منابع اضافی

این کلاس چهار روزه مربی به مربیان کمک می کند تا با طراحی و ساخت سیستم های پردازش داده ها در Google Cloud Platform آشنا شوند.

این کلاس برای توسعه دهندگان باتجربه که وظیفه مدیریت دگرگونی های داده های بزرگ را دارند از جمله:

استخراج ، بارگیری ، تبدیل ، تمیز کردن و اعتبارسنجی داده ها

طراحی خطوط لوله و معماری برای پردازش داده ها

ایجاد و حفظ الگوهای یادگیری ماشینی و آماری

جستجوی مجموعه داده ها ، تجسم نتایج پرس و جو و ایجاد گزارش

اهداف

طراحی و ساخت سیستم های پردازش داده در Google Cloud Platform

داده های دسته ای و جریان را با اجرای اتوکلاستی خطوط لوله داده در Cloud Dataflow پردازش کنید

با استفاده از Google BigQuery ، از دادههای داده بسیار بزرگ کسب و کار کسب کنید

آموزش ، ارزیابی و پیش بینی استفاده از مدل های یادگیری ماشین با استفاده از Tensorflow و Cloud ML

داده های بدون ساختار را با استفاده از API های Spark و ML در Cloud Dataproc استفاده کنید

بینش فوری را از داده های جریان فعال کنید

ماژول 1: تجزیه و تحلیل داده های سرور با BigQuery

ماژول 2: خطوط لوله داده بدون اتلاف و سرور با Dataflow

روز دوم: اعمال داده های بدون ساختار (4 موضوع)

ماژول 3: بررسی اجمالی Google Cloud Dataproc

ماژول 4: در حال اجرا شغل Dataproc

ماژول 5: ادغام Dataproc با Google Cloud Platform

ماژول 6: ایجاد حس داده های بدون ساختار با API های یادگیری ماشین Google

روز سوم: یادگیری ماشین بدون سرور (5 موضوع)

ماژول 7: شروع با یادگیری ماشین

ماژول 8: ساخت مدل های ML با Tensorflow

ماژول 9: مقیاس گذاری مدل های ML با CloudML

ماژول 10: مهندسی ویژگی

ماژول 11: معماری ML

روز چهارم: سیستم های مقاومت در برابر مقاومت (6 موضوع)

ماژول 12: به تجزیه و تحلیل جریان در زمان واقعی نیاز دارید

ماژول 13: معماری خطوط لوله جریان

ماژول 14: داده ها و رویدادها را در PubSub جریان دهید

ماژول 15: خط لوله پردازش جریان ایجاد کنید

ماژول 16: توان بالا و تأخیر اندک با Bigtable

ماژول 17: ساخت داشبورد

برای شرکت در این دوره از طریق فرم تماس اقدام کنید. دوره های هفتکی می باشد و ظرفیت کلاس های آنلاین محدود است. یارآموزان گروهی کامل با در اختیار داشتن اساتید مجرب در راستای شبیه سازی پروژه های دانشجویی، تحقیقاتی علمی و پروژه های پژوهشگران را با استفاده از انواع نرم افزارهای شبیه سازی گام برداشته است.

فرم ثبت سفارش

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *