Перейти до головного вмісту
Українська (uk)
Русский (ru)
Українська (uk)
Deutsch (de_old)
English (de)
English (en)
Español - Internacional (es)
Français (fr)
Italiano (it)
Polski (pl)
Вхід
Платформи хмарних се ...
Пошук курсів
Курси
Факультети, кафедри
Математичний факультет
Кафедра комп'ютерних наук
Платформи хмарних сервісів
Теоретичні відомості
Лекція 6. Створення власних моделей для ML: засоби...
Лекція 6. Створення власних моделей для ML: засоби GCP.
week2-automl1.mp4
week2-automl1.txt
week2-automl2.mp4
week2-automl2.txt
week2-automl3.mp4
week2-automl3.txt
week2-automl4.mp4
week2-automl4.txt
week2-automl5.mp4
week2-automl5.txt
week2-automl6.mp4
week2-automl6.txt
week2-automl7.mp4
week2-automl7.txt
week2-automl8.mp4
week2-automl8.txt
week2-text-classification.mp4
Завантажити теку
Попередня секція
Лекція 5. Аналітика неструктурованих даних за допомогою Cloud AI.
Наступна секція
Лабораторна робота 1. Вивчення публічно доступного датасета у BigQuery. (10 балів)
Перейти до...
Перейти до...
Форум новин
Література до курсу
Система оцінювання
Силабус
Автор
Лекція 1. Структура GCP: машина обчислень, хмарне сховище даних, великі дані, штучний інтелект, глобальна мережа, безпека
Лекція 2. Хмарне сховище даних: BigTable, Storage, SQL, Spanner, Datastore
Лекція 3. Хмарна аналітика: BigQuery, BigQuery GIS.
Лекція 4. Обробка повідомлень у реальному часі за допомогою Pub/Sub, Dataflow та Data Studio.
Лекція 5. Аналітика неструктурованих даних за допомогою Cloud AI.
Лабораторна робота 1. Вивчення публічно доступного датасета у BigQuery. (10 балів)
Лабораторна робота 2. Обчислення рекомендацій для покупців з використанням Cloud SQL
Лабораторна робота 3. Передбачення нових покупок за допомогою BigQuery ML.
Лабораторна робота 4. Створення потокової обробки даних з Dataflow.
Лабораторна робота 5. Класифікація хмар за допомогою Google AutoML.
Лабораторна робота 6. Класифікація текстів одним із трьох запропонованих способів.
Сертифікати
Підсумковий контроль 2023