این دوره برای تحلیلگران داده طراحی شده است که می خواهند در مورد استفاده از BigQuery برای نیازهای تجزیه و تحلیل داده خود بیاموزند. از طریق ترکیبی از ویدئوها، آزمایشگاه‌ها و نمایش‌های نمایشی، موضوعات مختلفی را پوشش می‌دهیم که درباره نحوه جذب، تبدیل، و جستجوی داده‌های شما در BigQuery بحث می‌کند تا بینش‌هایی را به دست آوریم که می‌تواند به تصمیم‌گیری تجاری کمک کند.

 

گواهینامه Google Cloud Digital Leader برای هر کسی است که می‌خواهد دانش خود را در مورد مبانی محاسبات ابری و نحوه استفاده از محصولات و خدمات Google Cloud برای دستیابی به اهداف سازمان نشان دهد. در این دوره دوم از مجموعه ای که موضوعات تست شده در آزمون Cloud Digital Leader را پوشش می دهد، بیاموزید که چگونه داده ها را می توان با سرعت و مقیاسی که قبلاً هرگز از طریق فناوری Google Cloud ممکن نبود، مصرف، تجزیه و تحلیل و استفاده کرد. درک درستی از ارزش داده ها و چگونگی تأثیر آن بر تجربیات مشتری به دست آورید. درباره راه حل های مختلف مدیریت داده های Google Cloud که در دسترس هستند، بیاموزید. و روش‌هایی را که محصولات ابری Google داده‌ها را برای نیروی کار مفیدتر و در دسترس‌تر کرده‌اند را بررسی کنید.

توجه: این دوره توسط Google Cloud ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

با افزایش تصاعدی جمع آوری داده ها، نیاز به افراد ماهر در استفاده و تعامل با داده ها نیز افزایش یافته است. قادر به تفکر انتقادی و ارائه بینش برای تصمیم گیری بهتر و بهینه سازی کسب و کار خود باشند. این یک دانشمند داده، "بخشی ریاضیدان، بخشی دانشمند کامپیوتر، و بخشی از نقطه نظر روند" (SAS Institute, Inc.) است. به گفته Glassdoor، دانشمند داده بودن بهترین شغل در آمریکا است. با میانگین حقوق پایه 110000 دلار و هزاران فرصت شغلی در یک زمان. مهارت های لازم برای دانشمند داده خوب بودن شامل توانایی بازیابی و کار با داده ها است، و برای انجام این کار باید به خوبی در SQL، زبان استاندارد برای برقراری ارتباط با سیستم های پایگاه داده، آشنا باشید. این دوره به منظور ارائه مقدماتی در زمینه اصول SQL و کار با داده ها طراحی شده است تا بتوانید تجزیه و تحلیل آن را برای اهداف علم داده آغاز کنید. شما شروع به پرسیدن سوالات درست خواهید کرد و پاسخ های خوبی برای ارائه بینش ارزشمند برای سازمان خود خواهید داشت. این دوره با اصول اولیه شروع می شود و فرض می کند که شما هیچ دانش یا مهارتی در SQL ندارید. این بر اساس آن پایه است و به تدریج از شما می‌خواهد پرس و جوهای ساده و پیچیده بنویسید تا به شما در انتخاب داده‌ها از جداول کمک کند. شما شروع به کار با انواع مختلف داده‌ها مانند رشته‌ها و اعداد خواهید کرد و درباره روش‌های فیلتر کردن و کاهش نتایج خود بحث خواهید کرد. شما جداول جدیدی ایجاد خواهید کرد و می توانید داده ها را به آنها منتقل کنید. اپراتورهای رایج و نحوه ترکیب داده ها را یاد خواهید گرفت. شما از عبارات موردی و مفاهیمی مانند حاکمیت داده و نمایه سازی استفاده خواهید کرد. شما در مورد موضوعات مربوط به داده ها بحث خواهید کرد و با استفاده از تکالیف برنامه نویسی در دنیای واقعی تمرین خواهید کرد. شما ساختار، معنا و روابط را در داده های منبع تفسیر می کنید و از SQL به عنوان یک حرفه ای برای شکل دادن به داده های خود برای اهداف تجزیه و تحلیل هدفمند استفاده می کنید. اگرچه برای گذراندن این دوره هیچ پیش نیاز یا نرم افزار خاصی نداریم، اما برای پروژه نهایی یک ویرایشگر متن ساده توصیه می شود. پس منتظر چی هستی؟ این اولین قدم شما برای یافتن شغل در بهترین شغل در ایالات متحده و به زودی در جهان است!

استاد پایتون برای علم داده با پروژه های عملی. پانداها، آمار و تجسم را برای حل مشکلات تجارت در دنیای واقعی بیاموزید. ایجاد مهارت‌های آماده برای کار در بحث و گفتگوی داده‌ها، تجزیه و تحلیل داده‌های اکتشافی (EDA) و ترسیم نمودار با matplotlib/seaborn—بدون نیاز به تجربه قبلی. این دوره آموزشی مبتدی شما را از طریق پاکسازی داده های نامرتب، استفاده از آمار توصیفی و استنباطی و تهیه مجموعه داده ها برای یادگیری ماشین راهنمایی می کند. شما تجزیه و تحلیل هایی را طراحی خواهید کرد که به سؤالات تجاری پاسخ می دهند، بینش ها را با تصاویر متقاعد کننده ارتباط برقرار می کنند و ارزیابی های چالش برانگیز را کامل می کنند که با سناریوهای محل کار هماهنگ هستند. در پایان، با اطمینان داده‌ها را در پانداها دستکاری می‌کنید، گردش کار را خودکار می‌کنید و داشبوردهایی می‌سازید که ذینفعان آن را درک کنند. سفر مبتنی بر داده خود را شروع کنید و داده های خام را به تصمیم گیری تبدیل کنید.

این دوره به شما می آموزد که داده ها را از سرویس های موجود در اینترنت واکشی و پردازش کنید. درک لیست پایتون را پوشش می دهد و فرصت هایی را برای تمرین استخراج و پردازش داده های عمیق تو در تو فراهم می کند. همچنین یاد خواهید گرفت که چگونه از ماژول درخواست‌های پایتون برای تعامل با APIهای REST استفاده کنید و در اسناد آن APIها به دنبال چه چیزی باشید. برای پروژه نهایی، شما یک «پیشنهادگر برچسب» برای سایت اشتراک‌گذاری عکس فلیکر می‌سازید. اگر قبلاً دوره های «مبانی پایتون» و «توابع، فایل ها و دیکشنری های پایتون» (دوره های 1 و 2 تخصص برنامه نویسی پایتون 3) را گذرانده باشید، این دوره برای شما مناسب است. اگر قبلاً با اصول پایتون آشنایی دارید اما می خواهید در بازیابی و پردازش داده های تو در تو پیچیده از سرویس های اینترنتی تمرین کنید، می توانید بدون گذراندن دو دوره قبلی نیز از این دوره بهره مند شوید. این سومین دوره از پنج دوره تخصصی برنامه نویسی پایتون 3 است.

در دوره دوم مهندسی یادگیری ماشین برای تخصص تولید، شما خطوط لوله داده را با جمع آوری، تمیز کردن و اعتبارسنجی مجموعه داده ها و ارزیابی کیفیت داده ایجاد می کنید. مهندسی ویژگی، تبدیل و انتخاب را با TensorFlow Extended پیاده سازی کنید و بیشترین قدرت پیش بینی را از داده های خود دریافت کنید. و چرخه عمر داده ها را با استفاده از ابزارهای ابرداده اصل و منشأ داده ایجاد کنید و تکامل داده ها را با طرحواره های داده سازمانی دنبال کنید. درک مفاهیم یادگیری ماشین و یادگیری عمیق ضروری است، اما اگر به دنبال ایجاد یک شغل موثر هوش مصنوعی هستید، به قابلیت‌های مهندسی تولید نیز نیاز دارید. مهندسی یادگیری ماشین برای تولید، مفاهیم اساسی یادگیری ماشین را با تخصص عملکردی توسعه نرم‌افزار مدرن و نقش‌های مهندسی ترکیب می‌کند تا به شما در توسعه مهارت‌های آماده تولید کمک کند. هفته 1: جمع‌آوری، برچسب‌گذاری و اعتبارسنجی داده‌ها هفته 2: مهندسی ویژگی، تبدیل و انتخاب هفته 3: سفر داده و ذخیره‌سازی داده هفته 4: روش‌های پیشرفته برچسب‌گذاری داده‌ها، افزایش داده‌ها و پیش پردازش انواع مختلف داده‌ها

دوره سطح پایه معمولاً برای افرادی طراحی شده است که درک پایه ای از مفاهیم ذخیره سازی و پردازش داده دارند، اما تجربه قبلی در مورد ساخت دریاچه های داده در AWS به طور خاص کم یا بدون تجربه هستند. پس از مقدمه ای کوتاه در مورد دریاچه های داده، دریافت داده ها، فهرست نویسی و آماده سازی را معرفی می کنیم و در پایان با مروری بر داده های پرس و جو با آمازون آتنا به پایان می رسیم. این دوره با مروری بر سازند دریاچه AWS، از جمله یک آزمایشگاه عملی که در آن یک دریاچه داده بسازید، ادامه خواهد یافت. سپس پردازش داده و تجزیه و تحلیل را با استفاده از چسب AWS قبل از فرو رفتن در ایجاد دریاچه داده‌های خودکار با استفاده از طرح‌های Lake Formation معرفی می‌کنیم. در نهایت، ما با Modern Data Architectures در AWS با آزمایشگاهی که انتشار و مصرف محصولات داده را به عنوان یک سرویس پوشش می دهد، پایان می دهیم.

Este curso ensina a criar modelos de ML com o TensorFlow e o Keras، melhorar acurácia deles e desenvolver modelos para uso em escala.

فناوری ابری می‌تواند ارزش زیادی برای یک سازمان به ارمغان بیاورد و ترکیب قدرت فناوری ابری با داده‌ها این پتانسیل را دارد که ارزش بیشتری را باز کند و تجربیات جدیدی برای مشتری ایجاد کند. «کاوش در تبدیل داده‌ها با Google Cloud» ارزشی را که داده‌ها برای یک سازمان به ارمغان می‌آورند و راه‌هایی را که Google Cloud می‌تواند داده‌ها را مفید و قابل دسترس کند بررسی می‌کند. بخشی از مسیر یادگیری Cloud Digital Leader، این دوره با هدف کمک به افراد در رشد نقش خود و ساختن آینده کسب و کارشان است.

فناوری ابری است که منبع بزرگی برای شرکت‌ها است. ترکیبی از فناوری‌های ترکیبی با استفاده از فناوری‌های جدید، می‌تواند برای مشتری‌های جدید به‌علاوه ارزش‌ها و تجربه‌های نوین امکان‌پذیر باشد. «کاوش در تبدیل داده با Google Cloud» vous fait découvrir la valeur que les données peuvent apporter à une entreprise et les façons dont Google Cloud peut les rendre utiles et accessibles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il a pour but d'aider les partners à évoluer dans leur poste et à façonner l'avenir de leur entreprise.

این دومین دوره از سه دوره در گواهی هوش تجاری گوگل است. در این دوره، مدل سازی داده ها و نحوه طراحی پایگاه های داده را بررسی خواهید کرد. سپس در مورد فرآیندهای استخراج، تبدیل، بارگذاری (ETL) که داده‌ها را از سیستم‌های منبع استخراج می‌کنند، آن‌ها را به قالب‌هایی تبدیل می‌کنند که امکان تجزیه و تحلیل را فراهم می‌کنند و فرآیندها و اهداف تجاری را هدایت می‌کنند، آشنا می‌شوید. کارمندان Google که در حال حاضر در BI کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف شغلی را شبیه‌سازی می‌کنند، به اشتراک‌گذاری نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در ایجاد مهارت‌های هوش تجاری برای آماده شدن برای شغلی در این زمینه، شما را در این دوره راهنمایی می‌کنند. . فراگیرانی که سه دوره را در این برنامه گواهینامه تکمیل می کنند، مهارت های لازم برای درخواست مشاغل هوش تجاری را خواهند داشت. این برنامه گواهی، دانش قبلی از اصول، مهارت‌ها و ابزارهای پایه تحلیلی تحت پوشش گواهی Google Data Analytics را فرض می‌کند. در پایان این دوره، شما: -تعیین کنید کدام مدل داده برای نیازهای مختلف کسب و کار مناسب است -تفاوت بین ایجاد و تعامل با یک مدل داده را توضیح دهید -ایجاد مدل های داده برای پاسخگویی به انواع مختلف سوالات -بخش های فرآیند استخراج، تبدیل، بارگذاری (ETL) و ابزارهای مورد استفاده در ETL را توضیح دهید. -آشنایی با فرآیندها و ابزارهای استخراج برای سیستم های مختلف ذخیره سازی داده ها -طراحی فرآیند ETL که نیازهای سازمانی و ذینفعان را برآورده کند -طراحی خطوط لوله داده برای خودکارسازی فرآیندهای BI