فلش‌کارت‌های آموزشی Google Cloud Platform: Real-time Data Analysis Application Development with Advanced AI and Machine Learning Techniques

Google Cloud Platform: تحلیل داده‌های بلادرنگ با هوش مصنوعی پیشرفته | آموزش جامع Google Cloud Platform: تحلیل داده‌های بلادرنگ با هوش مصنوعی پیشرفته در دنیای امروز، داده‌ها پادشاه هستند! اما داده‌ها ب...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 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. مقدمه‌ای بر Cloud Computing و GCP
  • 2. آشنایی با کنسول Google Cloud، پروژه‌ها و صورتحساب
  • 3. مفاهیم اصلی Identity and Access Management (IAM)
  • 4. نقش‌ها و مجوزهای IAM
  • 5. حساب‌های خدماتی (Service Accounts) و بهترین شیوه‌های استفاده
  • 6. مبانی شبکه‌های مجازی (VPC)
  • 7. زیرشبکه‌ها (Subnets) و قوانین فایروال (Firewall Rules)
  • 8. مقدمه‌ای بر Cloud Storage: باکت‌ها و اشیاء
  • 9. کلاس‌های ذخیره‌سازی و مدیریت چرخه حیات در Cloud Storage
  • 10. آشنایی با Compute Engine و ماشین‌های مجازی
  • 11. مدیریت و پیکربندی نمونه‌های Compute Engine
  • 12. استفاده از Cloud Shell و ابزار خط فرمان gcloud
  • 13. مقدمه‌ای بر کیت‌های توسعه نرم‌افزار (SDKs) در GCP
  • 14. مدیریت هزینه‌ها و بودجه‌بندی در GCP
  • 15. معماری‌های داده‌های بی‌درنگ (Real-time)
  • 16. آشنایی با Google Cloud Pub/Sub
  • 17. مفاهیم Pub/Sub: موضوعات (Topics) و اشتراک‌ها (Subscriptions)
  • 18. چرخه حیات یک پیام در Pub/Sub
  • 19. انتشار پیام‌ها در Pub/Sub به صورت برنامه‌نویسی
  • 20. مصرف پیام‌ها از Pub/Sub
  • 21. مدیریت اسکما (Schema) در Pub/Sub
  • 22. مقدمه‌ای بر BigQuery به عنوان انبار داده
  • 23. معماری BigQuery: جداسازی محاسبات و ذخیره‌سازی
  • 24. انواع داده و طراحی اسکما در BigQuery
  • 25. بارگذاری دسته‌ای داده‌ها در BigQuery
  • 26. درج جریانی (Streaming Inserts) داده‌ها در BigQuery
  • 27. آشنایی با Cloud Spanner برای سازگاری جهانی
  • 28. آشنایی با Cloud Firestore برای داده‌های اپلیکیشن
  • 29. آشنایی با Cloud SQL برای پایگاه‌های داده رابطه‌ای
  • 30. انتخاب پایگاه داده مناسب در GCP برای تحلیل بی‌درنگ
  • 31. مقدمه‌ای بر Cloud Dataflow
  • 32. مدل برنامه‌نویسی Apache Beam
  • 33. مفاهیم پنجره‌بندی (Windowing) در Dataflow
  • 34. محرک‌ها (Triggers) در پردازش جریانی
  • 35. پیاده‌سازی یک پایپ‌لاین جریانی ساده در Dataflow
  • 36. استفاده از Cloud Functions برای پردازش رویداد محور
  • 37. فعال‌سازی Cloud Functions از طریق Pub/Sub
  • 38. استفاده از Cloud Run برای کانتینرهای بدون سرور
  • 39. ساخت یک سرویس پردازش داده با Cloud Run
  • 40. مقایسه Dataflow، Cloud Functions و Cloud Run
  • 41. مدیریت فراداده با Data Catalog
  • 42. تبدیل داده‌های بصری با Dataprep
  • 43. مدیریت خطا در پایپ‌لاین‌های جریانی
  • 44. مقیاس‌پذیری خودکار (Autoscaling) در Dataflow
  • 45. استفاده از قالب‌های Dataflow برای پایپ‌لاین‌های قابل استفاده مجدد
  • 46. دستورات پیشرفته SQL در BigQuery
  • 47. توابع تعریف شده توسط کاربر (UDFs) در BigQuery
  • 48. بهینه‌سازی عملکرد و هزینه در BigQuery
  • 49. آشنایی با BigQuery ML (BQML)
  • 50. پارتیشن‌بندی و خوشه‌بندی جداول در BigQuery
  • 51. مدیریت وظایف (Jobs) در BigQuery
  • 52. استفاده از BigQuery Omni برای تحلیل چند ابری
  • 53. اتصال BigQuery به Looker Studio (Data Studio)
  • 54. ساخت داشبوردهای بی‌درنگ با داده‌های BigQuery
  • 55. استفاده از BigQuery Storage Read/Write APIs
  • 56. مروری بر هوش مصنوعی و یادگیری ماشین در GCP
  • 57. استفاده از Vision AI API برای تحلیل تصویر
  • 58. استفاده از Video Intelligence AI API
  • 59. استفاده از Natural Language AI API برای تحلیل متن
  • 60. استفاده از Translation AI API
  • 61. استفاده از Speech-to-Text API
  • 62. استفاده از Text-to-Speech API
  • 63. آشنایی با Recommendations AI
  • 64. آشنایی با Document AI
  • 65. ادغام API‌های هوش مصنوعی در اپلیکیشن‌ها
  • 66. مقدمه‌ای بر پلتفرم Vertex AI
  • 67. مجموعه داده‌ها در Vertex AI: مدیریت داده‌های آموزشی
  • 68. اصول مهندسی ویژگی (Feature Engineering)
  • 69. آشنایی با Vertex AI Feature Store
  • 70. استفاده از AutoML Tables برای داده‌های ساختاریافته
  • 71. استفاده از AutoML Vision برای طبقه‌بندی تصاویر
  • 72. استفاده از AutoML Text برای وظایف پردازش زبان طبیعی
  • 73. آموزش سفارشی با کانتینرهای از پیش ساخته شده
  • 74. آموزش سفارشی با کانتینرهای سفارشی
  • 75. تنظیم فراپارامترها (Hyperparameter Tuning) در Vertex AI
  • 76. ردیابی اجراها با Vertex AI Experiments
  • 77. استقرار مدل‌ها با Vertex AI Endpoints
  • 78. مقایسه پیش‌بینی آنلاین و دسته‌ای
  • 79. درک توضیحات پیش‌بینی (Explainable AI)
  • 80. ادغام مدل‌های سفارشی در پایپ‌لاین‌های داده
  • 81. اصول MLOps در GCP
  • 82. مقدمه‌ای بر Vertex AI Pipelines (مبتنی بر Kubeflow)
  • 83. ساخت یک پایپ‌لاین آموزشی ساده
  • 84. خودکارسازی استقرار مدل با پایپ‌لاین‌ها
  • 85. استفاده از Vertex AI Model Registry
  • 86. نظارت بر مدل برای تشخیص انحراف (Drift & Skew)
  • 87. CI/CD برای سیستم‌های یادگیری ماشین با Cloud Build
  • 88. استفاده از Artifact Registry برای کانتینرها و بسته‌ها
  • 89. فعال‌سازی پایپ‌لاین‌های یادگیری ماشین
  • 90. بهترین شیوه‌ها برای یادگیری ماشین در محیط پروداکشن
  • 91. معماری یک اپلیکیشن هوش مصنوعی بی‌درنگ
  • 92. ساخت یک REST API با Cloud Run
  • 93. احراز هویت کاربران با Identity-Aware Proxy (IAP)
  • 94. استفاده از GCP SDKs در زبان‌های برنامه‌نویسی مختلف
  • 95. استقرار یک اپلیکیشن Full-Stack
  • 96. اتصال بخش کاربری (Frontend) به سرویس‌های بک‌اند
  • 97. احراز هویت سرویس به سرویس
  • 98. نظارت بر اپلیکیشن‌ها با Cloud Monitoring و Alerting
  • 99. لاگ‌گیری متمرکز با Cloud Logging
  • 100. دیباگ و ردیابی با Cloud Trace و Debugger
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.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
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 AI on GCP Big Data Cloud Computing GCP GCP Data Google Cloud Platform Machine Learning Machine Learning on GCP Real-time Data Analysis برنامه نویسی تحلیل داده زنده توسعه اپلیکیشن هوش مصنوعی پیشرفته یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.