کتاب انجام وظایف بنیادین داده، یادگیری ماشین و هوش مصنوعی در Google Cloud با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره انجام وظایف بنیادین داده، یادگیری ماشین و هوش مصنوعی در Google Cloud

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش داده و یادگیری ماشین در بستر ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری نظارت شده
• 5. یادگیری نظارت نشده
• 6. یادگیری تقویتی
• 7. مقدمه‌ای بر داده‌ها در یادگیری ماشین
• 8. پاکسازی و پیش‌پردازش داده‌ها
• 9. مهندسی ویژگی
• 10. مقدمه‌ای بر Google Cloud
• 11. معرفی Google Cloud Platform
• 12. مفاهیم کلیدی Google Cloud
• 13. خدمات داده در Google Cloud
• 14. ذخیره‌سازی داده‌ها در Google Cloud
• 15. Google Cloud Storage
• 16. BigQuery برای تحلیل داده‌ها
• 17. مقدمه‌ای بر پردازش داده‌ها
• 18. پردازش دسته‌ای داده‌ها
• 19. پردازش جریانی داده‌ها
• 20. Apache Beam در Google Cloud
• 21. Apache Spark در Google Cloud
• 22. معرفی یادگیری ماشین در Google Cloud
• 23. خدمات یادگیری ماشین Google Cloud
• 24. Vertex AI Overview
• 25. ساخت مدل‌های یادگیری ماشین
• 26. آموزش مدل‌های یادگیری ماشین
• 27. ارزیابی مدل‌های یادگیری ماشین
• 28. تنظیم هایپرپارامترها
• 29. استقرار مدل‌های یادگیری ماشین
• 30. Vertex AI Pipelines
• 31. MLOps در Google Cloud
• 32. مقدمه‌ای بر مدل‌های پیش‌ساخته
• 33. استفاده از Natural Language API
• 34. Vision AI برای پردازش تصویر
• 35. Speech-to-Text API
• 36. Text-to-Speech API
• 37. Translation API
• 38. انجام وظایف پایه داده در Google Cloud
• 39. بارگذاری داده‌ها در BigQuery
• 40. کوئری زدن داده‌ها در BigQuery
• 41. تجسم داده‌ها در Google Cloud
• 42. Data Studio (Looker Studio)
• 43. ساخت داشبوردهای تعاملی
• 44. مقدمه‌ای بر یادگیری عمیق
• 45. شبکه‌های عصبی کانولوشنی (CNN)
• 46. شبکه‌های عصبی بازگشتی (RNN)
• 47. Transformer Models
• 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 49. تحلیل احساسات
• 50. مدل‌سازی موضوعی
• 51. شناسایی موجودیت نام‌گذاری شده (NER)
• 52. خلاصه‌سازی متن
• 53. ترجمه ماشینی
• 54. مقدمه‌ای بر بینایی ماشین
• 55. تشخیص اشیاء
• 56. تقسیم‌بندی تصویر
• 57. تشخیص چهره
• 58. تولید تصویر
• 59. مقدمه‌ای بر یادگیری تقویتی
• 60. عوامل و محیط‌ها
• 61. پاداش و سیاست
• 62. الگوریتم‌های یادگیری تقویتی
• 63. Deep Q-Networks (DQN)
• 64. Policy Gradients
• 65. مقدمه‌ای بر MLOps
• 66. چرخه حیات مدل ML
• 67. مدیریت داده‌ها و مدل‌ها
• 68. نظارت بر مدل‌ها
• 69. اتوماسیون استقرار
• 70. مدیریت ریسک و انطباق در ML
• 71. اصول حاکمیت داده‌ها
• 72. امنیت داده‌ها در Google Cloud
• 73. حفظ حریم خصوصی داده‌ها
• 74. اخلاق در هوش مصنوعی
• 75. شفافیت و قابلیت تفسیر مدل‌ها
• 76. عدالت در مدل‌های ML
• 77. مسئولیت‌پذیری در AI
• 78. مقدمه‌ای بر اتوماسیون فرآیند رباتیک (RPA)
• 79. کاربرد RPA در کسب‌وکارها
• 80. ابزارهای RPA
• 81. اتوماسیون وظایف تکراری
• 82. مقدمه‌ای بر داده‌های بزرگ (Big Data)
• 83. معماری‌های داده‌های بزرگ
• 84. ذخیره‌سازی داده‌های بزرگ
• 85. پردازش داده‌های بزرگ
• 86. تحلیل داده‌های بزرگ
• 87. مقدمه‌ای بر هوش تجاری (BI)
• 88. ابزارهای هوش تجاری
• 89. ساخت گزارش‌ها و داشبوردها
• 90. تحلیل روندها
• 91. پیش‌بینی فروش
• 92. مقدمه‌ای بر بلاکچین
• 93. مفاهیم پایه بلاکچین
• 94. کاربرد بلاکچین در صنعت
• 95. امنیت در بلاکچین
• 96. قراردادهای هوشمند
• 97. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 98. سنسورها و دستگاه‌های IoT
• 99. پلتفرم‌های IoT
• 100. تحلیل داده‌های IoT