برنامه‌های Node.js به‌خاطر سرعت فوق‌العاده‌شان شناخته می‌شوند، اما باگ‌های دشوار و فرآیندهای غیربهینه می‌توانند عملکرد را کاهش دهند. جداسازی مشکل در پشته اغلب می تواند بهره وری را متوقف کند. در این دوره آموزشی، Jon Peck، توسعه‌دهنده Node.js، نحوه رفع اشکال و سرعت بخشیدن به سایت خود را نشان می‌دهد که چگونه یک بازی سنگ-کاغذ-قیچی کامل، اما معیوب را حل کند. Jon نشان می دهد که چگونه مشکلات را ثبت کنید، مشکلات را اشکال زدایی کنید، عملکرد را اندازه گیری کنید، حافظه پنهان را پیاده سازی کنید و برنامه خود را به طور مداوم برای عملکرد بهینه کنید.

Dans ce cours، les développeurs d'applications apprennent à concevoir à concevoir à developper des applications natives cloud qui s'intègrent parfaitement aux composants de l'écosystème Google Cloud. À عبور از un ensemble de presentations, demonstrations et d'ateliers pratiques, les شرکت کنندگان découvrent comment créer des déploiements reproductible en traitant l' infrastructure Comme du code, en choisissant l'environnement applection applection. les performances applicatives. Il est obligatoire de terminer une version de chaque atelier. Chaque atelier در Node.js موجود است. Dans la plupart des cas، les mêmes ateliers sont aussi disponibles en Python ou en Java. Vous pouvez terminer chaque atelier dans la langue que vous voulez.

مدل سازی در AWS سومین دوره در تخصص تخصصی یادگیری ماشین گواهی شده AWS است. تمرکز اصلی این دوره آموزش مدل های یادگیری ماشین با تجزیه و تحلیل مفاهیم مدل سازی در AWS است. این دوره به دو ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره با سخنرانی‌های ویدئویی تقریباً 1:30 ساعت تا 2:00 ساعت که دانش تئوری و دستی را ارائه می‌کند، زبان‌آموزان را تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: مدل سازی و آموزش مدل های یادگیری ماشین در AWS ماژول 2: مدل های یادگیری ماشین: ارزیابی عملکرد و تنظیم در پایان این دوره، فراگیران قادر خواهند بود: 1. تجزیه و تحلیل مفاهیم مدل سازی و آموزش مدل های یادگیری ماشین 2. عملکرد مدل های یادگیری ماشین را بررسی کنید 3. با آموزش یک مدل، تنظیم خودکار مدل را پیاده سازی کنید

Kursus ini memperkenalkan Vertex AI Studio, sebuah alat untuk berinteraksi dengan model AI Generatif, membuat prototipe idea bisnis, dan meluncurkannya ke dalam produksi. Melalui kasus penggunaan yang imersif, pelajaran menarik, dan lab interaktif, Anda akan menjelajahi siklus proses dari perintah ke produk dan mempelajari cara memanfaatkan Vertex AI Studio untuk aplikasi multimodal Gemini, desain perintah, rekayasa perintah. Tujuan kursus ini adalah agar Anda dapat memanfaatkan potensi AI generatif dalam project Anda dengan Vertex AI Studio.

در این بخش، استودیو Vertex AI را ارائه می‌کند، که به‌منظور ایجاد نمونه‌های اولیه مدل‌های IA ژنراتیو و شخصی است. سفرهای lecciones interactivas، demostraciones funs y un lab práctico، explorarás el flujo de trabajo de la IA Generativa y aprenderás a Utilizar Vertex AI Studio برای کاربردهای چندوجهی Gemini، آموزش های مختلف برای مدل ها. El Objetivo es que Puedas Provechar estos modelos e tus proyectos con Vertex AI Studio را تایید می کند.

این استودیو Vertex AI را ارائه می‌کند، از نمونه اولیه و پرسنل‌سازی مدل‌های IA Générative استفاده می‌کند. Au moyen de cours immersifs, demonstrations attrayantes et d'un atelier pratique, vous allez découvrir le workflow d'IA générative and apprendre à utiliser Vertex AI Studio pour les applications multimodales remodales Gemini, la Conception. L'objectif est de vous permettre d'exploiter tout le potentiel deces models dans vos projects avec Vertex AI Studio.

Neste curso، vamos conhecer o Vertex AI Studio، Uma Ferramenta برای interagir com modelos de IA Generativa، اولین ایده های تجاری و colocá-las em produção. Com a ajuda de um caso de uso imersivo, lições interessantes e um laboratório, você vai conhecer o ciclo de vida do comando à produção, além de usar o Vertex AI Studio para aplicativos multimodais do Gemini, design e engenhariaos aju. O Objetivo é permitir que você descubra todo o potencial da IA ​​Generativa nos seus projetos com o Vertex AI Studio.

این دوره به شرکت کنندگان تکنیک هایی برای نظارت و بهبود عملکرد زیرساخت و برنامه در Google Cloud آموزش می دهد. شرکت‌کنندگان با استفاده از ترکیبی از ارائه‌ها، نمایش‌های نمایشی، آزمایشگاه‌های عملی و مطالعات موردی در دنیای واقعی، تجربه نظارت کامل، مدیریت و تجزیه و تحلیل گزارش بلادرنگ، اشکال‌زدایی کد در تولید، ردیابی گلوگاه‌های عملکرد برنامه‌ها، و پروفایل استفاده از CPU و حافظه را به دست می‌آورند.

یادگیری عمیق در بسیاری از زمینه ها از جمله بینایی کامپیوتر، پردازش زبان طبیعی و روباتیک انقلابی ایجاد کرده است. علاوه بر این، Keras، یک API شبکه های عصبی سطح بالا که به زبان پایتون نوشته شده است، به بخشی ضروری از TensorFlow تبدیل شده است و یادگیری عمیق را در دسترس و ساده می کند. تسلط بر این تکنیک ها فرصت های زیادی را در تحقیقات و صنعت باز خواهد کرد. شما یاد خواهید گرفت که لایه ها و مدل های سفارشی را در Keras ایجاد کنید و Keras را با TensorFlow 2.x برای عملکرد بهبودیافته ادغام کنید. شما شبکه های عصبی کانولوشنال پیشرفته (CNN) را با استفاده از Keras توسعه خواهید داد. همچنین با استفاده از TensorFlow با Keras، مدل‌های ترانسفورماتور را برای داده‌های متوالی و سری‌های زمانی خواهید ساخت. این دوره همچنین اصول یادگیری بدون نظارت در Keras و TensorFlow را برای بهینه سازی مدل و حلقه های آموزشی سفارشی پوشش می دهد. در نهایت، شبکه‌های Q عمیق (DQN) را با Keras برای وظایف یادگیری تقویتی توسعه داده و آموزش خواهید داد (مروری از مدل‌سازی تولیدی و یادگیری تقویتی ارائه شده است). شما می توانید مفاهیم آموخته شده را با استفاده از آزمایشگاه های عملی در هر درس تمرین کنید. یک پروژه نهایی نهایی در آخرین ماژول به شما فرصتی می دهد تا دانش خود را برای ایجاد یک مدل طبقه بندی با استفاده از یادگیری انتقالی به کار ببرید. این دوره برای همه مهندسین مشتاق هوش مصنوعی که می خواهند TensorFlow و Keras را یاد بگیرند مناسب است. این نیاز به دانش کاربردی برنامه نویسی پایتون و مفاهیم پایه ریاضی مانند گرادیان و ماتریس، و همچنین اصول یادگیری عمیق با استفاده از Keras دارد.