Datová věda na platformě Google Cloud: Implementace koncových datových potrubí v reálném čase: Od příjmu dat po strojové učení

Recenze čtenářů

Kniha je vysoce oceňována pro srozumitelnou prezentaci příkladů z reálného světa, strukturovaný přístup k datové vědě a efektivní integraci nástrojů Google Cloud. Obsahuje praktická cvičení a případové studie, které rozšiřují výuku. Pro svou hloubku a složitost však nemusí být vhodná pro začátečníky v oblasti datové vědy.

⬤ Vynikající příklady z reálného světa
⬤ přehledná a strukturovaná prezentace
⬤ praktická cvičení
⬤ promyšlená organizace
⬤ dobré případové studie
⬤ efektivní využití vyprávění příběhů
⬤ komplexní pokrytí nástrojů GCP.

Nemusí vyhovovat začátečníkům v datové vědě; určitá složitost v pochopení pro nováčky.

(na základě 6 hodnocení čtenářů)

Původní název:

Data Science on the Google Cloud Platform: Implementing End-To-End Real-Time Data Pipelines: From Ingest to Machine Learning

Obsah knihy:

Zjistěte, jak snadné je aplikovat sofistikované statistické metody a metody strojového učení na reálné problémy, když vytváříte pomocí platformy Google Cloud Platform (GCP). Tento praktický průvodce ukazuje datovým inženýrům a datovým vědcům, jak realizovat komplexní datový tok pomocí statistických metod a nástrojů strojového učení na GCP.

V průběhu tohoto aktualizovaného druhého vydání budete pracovat na vzorovém obchodním rozhodnutí s využitím různých přístupů datové vědy. Sledujte implementaci těchto statistických řešení a řešení strojového učení ve svém vlastním projektu na GCP a zjistěte, jak tato platforma poskytuje transformativní a více kolaborativní způsob provádění datové vědy.

Naučíte se, jak:

⬤ Využívat osvědčené postupy při budování vysoce škálovatelných datových a ML pipelines na Google Cloud.

⬤ Automatizovat a plánovat příjem dat pomocí nástroje Cloud Run.

⬤ Vytvořit a naplnit dashboard v Data Studiu.

⬤ Vybudovat analytickou pipeline v reálném čase pomocí Pub/Sub, Dataflow a BigQuery.

⬤ Provádět interaktivní průzkum dat pomocí BigQuery.

⬤ Vytvořit bayesovský model pomocí Sparku v Cloud Dataproc.

⬤ Předpovídat časové řady a provádět detekci anomálií pomocí BigQuery ML.

⬤ Agregace v rámci časových oken pomocí Dataflow.

⬤ Trénovat vysvětlitelné modely strojového učení pomocí Vertex AI.

⬤ Operacionalizujte ML pomocí Vertex AI Pipelines.