آمادگی برای گواهینامه Google Cloud Professional Data Engineer
✅ سرفصل و جزئیات آموزش
با این دورهی آموزشی، مسیر تبدیل شدن به یک مهندس داده حرفهای گوگل را آغاز کنید. متخصص صنعت، نوح گیفت، به شما نشان میدهد چگونه سیستمهای پردازش دادهی قوی با سرویسهای برتر گوگل کلود مانند BigQuery و Cloud Functions طراحی کنید. پیچیدگیهای فناوریهای ذخیرهسازی داده از جمله BigTable ،Firestore و Spanner را بررسی کنید و بر اساس نیازمندیهای کسبوکار و داده تصمیمهای هوشمندانه بگیرید. مدلهای یادگیری ماشین از پیشساخته شده، متدهای مؤثر یکپارچهسازی و اصول استقرار و نظارت بر پایپلاین یادگیری ماشین را کشف کنید.
بینشهایی در مورد تضمین کیفیت با موضوعات پیشرفته در مورد مقیاسپذیری، انعطافپذیری و امنیت بدست آورید و از Rust برای میکروسرویسهای ایمن و با عملکرد بالا استفاده کنید. با تاکید بر یادگیری عملی و دستیارهای برنامهنویسی پیشرفته هوش مصنوعی، این دوره به شما نشان میدهد چگونه راهحلهای داده کارآمد، مقیاسپذیر و ایمن بسازید که نیازهای کسبوکارهای مدرن را برآورده میکنند.
آمادگی برای گواهینامه Google Cloud Professional Data Engineer
-
بررسی دوره Google Professional Data Engineer 0:03:50
-
آشنایی اولیه با GCP 0:08:05
-
سرویسهای متنباز در مقابل سرویسهای مدیریتشده گوگل کلود 0:02:30
-
مزایا و معایب ابزارهای متنباز مهندسی داده 0:05:17
-
سرویسهای تحلیلی گوگل کلود 0:02:21
-
پایپلاینهای مهندسی داده 0:03:06
-
استراتژی ذخیرهسازی گوگل کلود 0:03:48
-
بررسی ذخیرهسازی GCP 0:02:05
-
بهینهسازی برای راهحلهای پایگاه داده GCP 0:03:46
-
مهندسی پرامپت برای BigQuery 0:09:20
-
کار با Google BigQuery در Google Colab 0:05:32
-
بررسی داده با Google BigQuery 0:12:36
-
گامهای بعدی 0:01:44
-
بررسی دوره 0:02:02
-
دمو: گوگل کلود شل 0:04:16
-
دمو: ویرایشگر گوگل کلود 0:04:41
-
دمو: SDK رابط خط فرمان گوگل 0:06:14
-
دمو: ابزار خط فرمان gcloud گوگل 0:04:50
-
مقایسه ذخیرهسازی 0:03:51
-
استفاده از داستان جک و لوبیای سحرآمیز بهعنوان پایپلاین داده 0:03:07
-
مقایسه پیشنهادات رایانش 0:02:24
-
دمو: نوسانات رایانش در GCP 0:03:21
-
چالشهای کلان داده 0:01:57
-
دمو: گسترش توابع کلود GCP 0:10:06
-
تریگرهای پایپلاین داده 0:02:35
-
گامهای بعدی 0:01:35
-
بررسی دوره 0:02:02
-
Google Colab با TensorFlow Hub 0:02:53
-
استفاده از پردازش زبان طبیعی GCP از طریق رابط خط فرمان 0:04:46
-
بررسی مدل از پیشآموزشدیده پای تورچ 0:03:39
-
دمو: مدل از پیشآموزشدیده پای تورچ 0:06:41
-
درک TPUها 0:05:10
-
TPUها بهعنوان بخشی از انتقال فناوری 0:03:54
-
شروع کار با Vertex AI 0:02:30
-
استفاده از بینایی GCP ML API از طریق رابط خط فرمان 0:04:01
-
متدولوژی برنامهریزی، انجام، بررسی و عمل 0:04:06
-
دمو: تست بار با Locust 0:05:41
-
MLOps در GCP 0:08:16
-
استفاده از دورههای یادگیری ماشین گوگل 0:03:11
-
گامهای بعدی 0:01:22
-
بررسی دوره 0:01:59
-
امنیت داده یکپارچهسازی شده 0:02:53
-
درک حسابرسیهای Rust crate با گوگل 0:02:59
-
زبان Rust طراحی ایمن دارد 0:04:52
-
استفاده از بارد برای افزایش بهرهوری 0:06:07
-
Rust با قابلیت Copilot 0:09:13
-
یکپارچهسازی مستمر با Rust و GitHub Actions 0:07:52
-
دمو: تست واحد Rust 0:06:44
-
بهرهوری انرژی پایتون در مقابل Rust 0:05:37
-
distroless چیست؟ 0:02:34
-
دمو: ساخت و استقرار میکروسرویس Rust در Cloud Run 0:06:57
-
دمو: استقرار Rust در App Engine 0:05:15
-
گامهای بعدی 0:03:53
مشخصات آموزش
آمادگی برای گواهینامه Google Cloud Professional Data Engineer
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:پیشرفته
- تعداد درس:53
- مدت زمان :4:00:06
- حجم :564.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy