دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: کامپیوتر ویرایش: نویسندگان: Valliappa Lakshmanan سری: ISBN (شابک) : 9781491974568 ناشر: O’Reilly Media سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Data Science on the Google Cloud Platform به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب علم داده در پلتفرم Google Cloud نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بیاموزید که وقتی در بالای Google Cloud Platform (GCP) میسازید، استفاده از روشهای آماری و یادگیری ماشینی پیچیده برای مشکلات دنیای واقعی چقدر آسان است. این راهنمای عملی به توسعه دهندگانی که وارد حوزه علم داده می شوند نشان می دهد که چگونه یک خط لوله داده سرتاسر را با استفاده از روش ها و ابزارهای یادگیری ماشینی و آماری در GCP پیاده سازی کنند. در طول این کتاب، با استفاده از انواع روشهای علم داده، از طریق یک تصمیم تجاری نمونه کار خواهید کرد. با پیادهسازی این راهحلهای آماری و یادگیری ماشینی در پروژه خود در GCP همراه باشید و کشف کنید که چگونه این پلتفرم روشی دگرگونکننده و مشارکتکنندهتر برای انجام علم داده ارائه میدهد. شما یاد خواهید گرفت که چگونه: خودکارسازی و زمانبندی دریافت دادهها، با استفاده از برنامه App Engine ایجاد و پر کردن داشبورد در Google Data Studio ایجاد یک خط لوله تجزیه و تحلیل در زمان واقعی برای انجام تجزیه و تحلیل جریان، انجام کاوش تعاملی داده با Google BigQuery ایجاد یک مدل بیزی در یک خوشه Cloud Dataproc ساخت یک مدل یادگیری ماشینی رگرسیون لجستیک با ویژگیهای جمعآوری زمان Spark Compute با خط لوله دادههای Cloud ایجاد یک مدل پیشبینی با عملکرد بالا با TensorFlow از مدل مستقر شده خود بهعنوان یک ریزسرویس استفاده کنید که میتوانید از هر دو دسته دسته و واقعی به آن دسترسی داشته باشید. خطوط لوله زمان
Learn how easy it is to apply sophisticated statistical and machine learning methods to real-world problems when you build on top of the Google Cloud Platform (GCP). This hands-on guide shows developers entering the data science field how to implement an end-to-end data pipeline, using statistical and machine learning methods and tools on GCP. Through the course of the book, you'll work through a sample business decision by employing a variety of data science approaches. Follow along by implementing these statistical and machine learning solutions in your own project on GCP, and discover how this platform provides a transformative and more collaborative way of doing data science. You'll learn how to: Automate and schedule data ingest, using an App Engine application Create and populate a dashboard in Google Data Studio Build a real-time analysis pipeline to carry out streaming analytics Conduct interactive data exploration with Google BigQuery Create a Bayesian model on a Cloud Dataproc cluster Build a logistic regression machine-learning model with Spark Compute time-aggregate features with a Cloud Dataflow pipeline Create a high-performing prediction model with TensorFlow Use your deployed model as a microservice you can access from both batch and real-time pipelines