دوره آموزشی استفاده از آموزش مبتنی بر ابر در Google Cloud Platform: برنامه های دنیای واقعی
1 ساعت 20 دقیقهمتوسط2020-02-20
مدرسین

David Linthicum
Chief Cloud Strategy Officer at Deloitte Consulting
جزئیات دوره
برای استفاده موفقیت آمیز از هوش مصنوعی در Google Cloud Platform (GCP) ، باید بدانید AI چیست و با ابزارهای بومی GCP آشنا شوید. این دوره عملی اصول استفاده از GCP برای برنامه های مبتنی بر هوش مصنوعی را شامل می شود ، از جمله ابزارهایی که امروز می توانید استفاده کنید و نحوه استفاده صحیح از آنها. مربی ، دیوید لینتیکوم ، Vision AI ، یک محصول اصلی شناسایی تصویر از Google و همچنین Kubeflow ، مجموعه ابزار یادگیری ماشین (ML) را برای ساده سازی روند استقرار جریان های کار ML در Kubernetes معرفی می کند. در طول دوره ، دیوید موارد مختلفی را برای استفاده در دنیای واقعی ارائه می دهد که نحوه عملکرد این مفاهیم را در عمل نشان می دهد.
موضوعات مورد بحث عبارتند از:
- ایجاد پایگاه دانش
- هوش مصنوعی و رایانش ابری
- ROI گنجاندن هوش مصنوعی در یک سیستم تجاری
- کار با ابزار Vision AI
- اصول استفاده از Kubeflow
- طراحی سیستم های هوش مصنوعی برای خدمات GCP AI
- امنیت مبتنی بر هوش مصنوعی در GCP
- برآورد هزینه ادغام هوش مصنوعی
موضوعات مورد بحث عبارتند از:
- ایجاد پایگاه دانش
- هوش مصنوعی و رایانش ابری
- ROI گنجاندن هوش مصنوعی در یک سیستم تجاری
- کار با ابزار Vision AI
- اصول استفاده از Kubeflow
- طراحی سیستم های هوش مصنوعی برای خدمات GCP AI
- امنیت مبتنی بر هوش مصنوعی در GCP
- برآورد هزینه ادغام هوش مصنوعی
مهارت ها
Google CloudMachine LearningSoftware Development ToolsGoogleCloud PlatformsArtificial Intelligence (AI)Cloud ComputingSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01-معرفی هوش مصنوعی (AI) در گوگل
- 02-آنچه باید بدانید
1. مبانی هوش مصنوعی
- 03-پردازش هوش مصنوعی و گوگل
- 04- یک پایگاه دانش ایجاد کنید
- 05-Apps و Google
- 06-AI و محاسبات ابری
- 07-AI و گوگل
2. نمونه استفاده از AI
- 08-مطالعه موردی - International Drone Inc.
- 09-تشخیص نیاز به هوش مصنوعی
- راه حل 10-AI - کنترل موجودی بهتر
- راه حل 11-AI - سیستم های تولید بهتر
- 12-ROI شامل هوش مصنوعی
3. GCP Vision AI
- ساخت 13-Vision AI
- آموزش 14-Vision AI
- 15-Vision AI استقرار
- 16-دمو - Vision AI
4. GCP Kubeflow
- 17-نمای کلی Kubeflow
- 18- Kubeflow را راه اندازی کنید
- 19-ادغام Kubeflow
- 20-اعدام
5. GCP AI Application Walk-Through
- 21- الزامات را شناسایی کنید
- 22-یک سیستم هوش مصنوعی برای GCP طراحی کنید
- 23-ساخت
- 24-قطار
- 25-استقرار
6. سایر ملاحظات
- 26-تأثیر هوش مصنوعی بر عملکرد
- 27- برآورد هزینه ادغام هوش مصنوعی
- 28-بهترین شیوه های عملیات
- 29- ملاحظات امنیتی
- 30-حکومت
نتیجه
- 31-منابع اضافی
دوره های مرتبط
- دوره آموزشی آمادگی برای گواهینامه مهندس داده حرفهای Google Cloud آپدیت (2025)
- دوره آموزشی ساخت عاملهای هوش مصنوعی و خودکارسازی جریانهای کاری با n8n
- دوره آموزشی استفاده از یادگیری ماشینی مبتنی بر ابر در Azure: برنامه های کاربردی در دنیای واقعی
- دوره آموزشی استفاده از یادگیری ماشینی مبتنی بر ابر در AWS: برنامههای دنیای واقعی
- دوره آموزشی تحلیلگر امنیت سایبری مبتنی بر هوش مصنوعی
- دوره آموزشی یادگیری Selenium: ساختاردهی، مقیاسبندی، اجرا و بهینهسازی تستهای خودکار
- دوره آموزشی یادگیری Databricks GenAI
- دوره آموزشی آمادگی گواهینامه Google Cloud Digital Leader: بخش دوم نوآوری با داده و Google Cloud
مسیرهای مرتبط
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی مهارت های اساسی هوش مصنوعی برای مدیریت Azure
- مسیر آموزشی شروع به کار به عنوان یک توسعه دهنده ASP.NET
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک Azure Administrator
- مسیر آموزشی آماده شدن برای گواهینامه مهندس داده حرفه ای Google Cloud
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی ساخت عوامل هوش مصنوعی: تکنیکهای پیشرفته برای توسعهدهندگان
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای رهبران فناوری