|
所在平台: Coursera专项课程 课程类别: 其他类别 大学或机构: CourseraNew |
课程主页: https://www.coursera.org/specializations/gcp-data-machine-learning-de
课程评论：没有评论
课程名称：Google Cloud Platform 数据工程专业化（德语） 课程概述： 该为期五周的在线专业课程为参与者提供了在Google Cloud Platform上设计和构建数据处理系统的实用入门。课程通过演示、示范和实践实验，帮助参与者开发数据处理系统，构建端到端数据管道，分析数据，并练习机器学习。参与者将掌握以下技能： - 开发Google Cloud Platform上的数据处理系统 - 使用Spark和ML-API在Cloud Dataproc上处理非结构化数据 - 通过在Cloud Dataflow上实现自动扩展的数据管道处理批量和流数据 - 利用Google BigQuery从极大的数据集中导出商业信息 - 使用TensorFlow和Cloud ML训练、评估机器学习模型并进行预测 - 从流数据中生成即时统计数据 该课程面向有经验的开发人员，他们负责管理大数据转换，包括： - 数据的提取、加载、转换、清理和验证 - 设计数据处理的管道和架构 - 创建和维护机器学习和统计模型 - 查询数据集，视觉化查询结果并生成报告 更多详情请参阅课程大纲。
Google Cloud Platform Big Data and Machine Learning Fundamentals auf Deutsch
Serverless Machine Learning with Tensorflow on Google Cloud Platform auf Deutsch
Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform auf Deutsch
Serverless Data Analysis with Google BigQuery and Cloud Dataflow auf Deutsch
Dieser fünfwöchige Onlinevertiefungskurs bietet eine praktische Einführung zum Entwerfen und Erstellen von Datenverarbeitungssystemen auf der Google Cloud Platform. In Präsentationen, Demos und praxisorientierten Labs entwickeln die Teilnehmer Datenverarbeitungssysteme, erstellen End-to-End-Datenpipelines, analysieren Daten und üben maschinelles Lernen. Dieser Kurs vermittelt den Teilnehmern die folgenden Kompetenzen: • Datenverarbeitungssysteme auf der Google Cloud Platform entwickeln • Unstrukturierte Daten mit Spark und ML-APIs auf Cloud Dataproc verwenden • Batch- und Streaming-Daten durch die Implementierung von Autoscaling-Datenpipelines auf Cloud Dataflow verarbeiten • Mit Google BigQuery Geschäftsinformationen aus extrem großen Datasets ableiten • Modelle des maschinellen Lernens mit TensorFlow und Cloud ML trainieren, auswerten und damit Vorhersagen treffen • Sofortige Statistiken aus Streaming-Daten ermöglichen • Dieser Kurs richtet sich an erfahrene Entwickler, die für die Verwaltung von Big Data-Transformationen verantwortlich sind, zum Beispiel: • Daten extrahieren, laden, transformieren, bereinigen und validieren • Pipelines und Architekturen für die Datenverarbeitung entwerfen • Modelle des maschinellen Lernens und der Statistik erstellen und warten • Datasets abfragen, Abfrageergebnisse visualisieren und Berichte erstellen >>> Mit Ihrer Teilnahme an dieser Spezialisierung stimmen Sie den Nutzungsbedingungen von Qwiklabs zu, die Sie in den FAQs und unter folgendem Link finden: https://qwiklabs.com/terms_of_service <<<
