Google 클라우드

설명 이 모듈에서는 머신러닝이 무엇인지, 그리고 이것이 귀하의 비즈니스에 어떻게 도움이 될 수 있는지 정의합니다. 실제 ML에 대한 몇 가지 데모를 확인하고 인스턴스, 기능, 라벨과 같은 주요 ML 용어를 알아보세요. 대화형 실습에서는 사용 가능한 사전 학습된 ML API 호출을 연습하고 자체적으로 구축합니다.

설명 이 과정은 기술적인 지식이 없는 비즈니스 전문가를 위한 기계 학습을 소개하기 위한 것입니다. 머신러닝에 대한 과장된 이야기가 많으며 많은 사람들이 머신러닝을 비즈니스에 사용하려면 기술적인 배경 지식이 필요하다고 우려하고 있습니다. 이 과정에서 다루는 이유는 다음과 같습니다.

설명 분산형 기계 학습 모델을 작성할 수 있도록 낮은 수준의 TensorFlow를 소개하고 필요한 개념과 API를 통해 작업합니다. TensorFlow 모델이 주어지면 해당 모델의 학습을 확장하고 Cloud Machine Learning Engine을 사용하여 고성능 예측을 제공하는 방법을 설명합니다. 과정 목표: 기계 학습 만들기…

설명 클라우드 ID 소개는 새로운 클라우드 ID, ID/액세스 관리/휴대기기 관리 관리자가 조직의 보안 및 액세스 관리 권장사항을 관리하고 설정하는 여정을 시작하는 시작점 역할을 합니다. 15~30시간 동안 진행되는 이 XNUMX주 과정은 귀하가 다음의 기본 기능을 활용하는 데 자신감을 갖게 해 줄 것입니다.

설명 이 1주간의 속성 과정은 Google Cloud Platform 전문 분야의 데이터 엔지니어링에 대한 이전 과정을 기반으로 합니다. 동영상 강의, 데모, 실습을 결합하여 Google Cloud Platform에서 Hadoop, Spark, Pig 및/또는 Hive 작업을 실행하기 위한 컴퓨팅 클러스터를 만들고 관리하는 방법을 알아봅니다. 당신은 또한 방법을 배울 것입니다…

설명 이 과정에서는 Apigee API 플랫폼 온프레미스를 소개합니다. 이 자료에서는 Apigee 제품 기능 개요, 아키텍처 특성, 기술 스택, 토폴로지 설계의 기본 사항을 안내합니다. 과정 핵심 용어의 일부로 소프트웨어 조직 구조와 아키텍처를 다룹니다. 이 과정은 Apigee API에 대한 이해의 기초를 보여줍니다.

설명 이 1주간의 속성 온라인 수업에서는 학생들이 Docker 컨테이너의 작업 부하를 컨테이너화하고 이를 Google Kubernetes Engine에서 제공하는 Kubernetes 클러스터에 배포하며 해당 작업 부하를 확장하여 증가된 트래픽을 처리할 수 있도록 교육합니다. 또한 학생들은 Kubernetes 클러스터에 새로운 코드를 지속적으로 배포하여 애플리케이션 업데이트를 제공하는 방법을 배웁니다. 과정이 끝나면…

설명 이 과정에서 애플리케이션 개발자는 Google Cloud 생태계의 구성요소를 원활하게 통합하는 클라우드 기반 애플리케이션을 설계하고 개발하는 방법을 배웁니다. 프레젠테이션, 데모 및 실습 랩을 결합하여 참가자는 인프라를 코드로 처리하여 반복 가능한 배포를 생성하고, 애플리케이션에 적합한 애플리케이션 실행 환경을 선택하고, 모니터링하는 방법을 배웁니다.

설명 이 주문형 과정에서는 학생들이 Anthos on Google Cloud 또는 VMware에 배포된 Anthos를 사용하여 Anthos GKE를 사용하여 안정적이고 관리 가능한 멀티 클러스터 Kubernetes 인프라를 구축할 수 있도록 지원합니다. 이는 Architecting with GKE의 연속이며 해당 과정에서 다루는 기술에 대한 실무 경험을 가정합니다. 가격: 무료로 등록하세요! 수업 보기…

설명 기계 학습의 역사를 시작으로 오늘날 신경망이 다양한 데이터 과학 문제에서 왜 그렇게 잘 작동하는지 논의합니다. 그런 다음 지도 학습 문제를 설정하는 방법과 경사하강법을 사용하여 좋은 솔루션을 찾는 방법에 대해 논의합니다. 여기에는 일반화를 허용하는 데이터 세트 생성이 포함됩니다. 우리는 방법에 대해 이야기합니다…