کتاب Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning
توضیحات
هنگام اعمال و توسعهی Google Cloud Platform (GCP) متوجه میشوید که استفاده از روشهای آماری و یادگیری ماشینی پیچیده برای مشکلات دنیای واقعی چقدر آسان است. این راهنمای عملی به توسعهدهندگانی که وارد حوزه علوم داده میشوند نشان میدهد که چگونه یک خط لوله داده سرتاسر را با استفاده از روشها و ابزارهای یادگیری ماشینی و آماری در GCP پیادهسازی کنند. در طول این کتاب، شما با استفاده از انواع روشهای علوم داده، از طریق یک تصمیم تجاری نمونه، کار خواهید کرد.
با پیادهسازی این راهحلهای آماری و یادگیری ماشین در پروژه خود در GCP همراه باشید و چگونگی ارائهی روشی دگرگونکننده و مشارکتیتر توسط پلتفرم برای انجام علم داده را کشف کنید. در این کتاب یاد خواهید گرفت که چگونه:
- با استفاده از برنامه App Engine، دریافت دادهها را به صورت خودکار و زمانبندی شده انجام دهید.
- یک داشبورد در Google Data Studio ایجاد و پر کنید.
- یک خط لوله تجزیه و تحلیل در زمان واقعی برای انجام تجزیه و تحلیل جریان ایجاد کنید.
- کاوش تعاملی داده با Google BigQuery انجام دهید.
- یک مدل بیزی روی خوشه Cloud Dataproc ایجاد کنید.
- با Spark یک مدل یادگیری ماشین رگرسیون لجستیک بسازید.
- ویژگیهای جمعآوری زمان را با خط لوله Cloud Dataflow محاسبه کنید.
- با TensorFlow یک مدل پیشبینی با عملکرد بالا ایجاد کنید.
n
توضیحات تکمیلی
| نام کتاب | Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning |
|---|---|
| نام نویسنده | Valliappa Lakshmanan |
| سال انتشار | 2022 |
| انتشارات | O'Reilly Media |
| تعداد صفحات | 462 |
| زبان | انگلیسی |
| کد کالا | A-031 |
| نوع چاپ | وزیری – جلد عادی, وزیری – هارد کاور |
محصولات مشابه
کتاب Kafka: The Definitive Guide: Real-Time Data and Stream Processing at Scale
کتاب Programming Android with Kotlin: Achieving Structured Concurrency with Coroutines
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.