Bewertung:
Das Buch wird für seine klare Darstellung von Beispielen aus der Praxis, seinen strukturierten Ansatz für Data Science und die effektive Integration von Google Cloud-Tools hoch gelobt. Es enthält praktische Übungen und Fallstudien, die das Lernen erleichtern. Aufgrund seiner Tiefe und Komplexität ist es jedoch nicht unbedingt für Anfänger in der Datenwissenschaft geeignet.
Vorteile:⬤ Hervorragende Beispiele aus der Praxis
⬤ klare und strukturierte Darstellung
⬤ praktische Übungen
⬤ durchdachte Organisation
⬤ gute Fallstudien
⬤ effektiver Einsatz von Storytelling
⬤ umfassende Abdeckung der GCP-Tools.
Möglicherweise nicht für Anfänger in der Datenwissenschaft geeignet; etwas komplexes Verständnis für Neueinsteiger.
(basierend auf 6 Leserbewertungen)
Data Science on the Google Cloud Platform: Implementing End-To-End Real-Time Data Pipelines: From Ingest to Machine Learning
Erfahren Sie, wie einfach es ist, anspruchsvolle statistische und maschinelle Lernmethoden auf reale Probleme anzuwenden, wenn Sie mit Google Cloud Platform (GCP) arbeiten. Dieser praktische Leitfaden zeigt Dateningenieuren und Datenwissenschaftlern, wie sie eine durchgängige Datenpipeline mit statistischen und maschinellen Lernmethoden und -tools auf GCP implementieren.
Im Laufe dieser aktualisierten zweiten Auflage arbeiten Sie sich durch eine beispielhafte Geschäftsentscheidung, indem Sie eine Vielzahl von Data-Science-Ansätzen anwenden. Implementieren Sie diese statistischen und maschinellen Lernlösungen in Ihrem eigenen Projekt auf GCP und entdecken Sie, wie diese Plattform eine transformative und kollaborative Art der Datenwissenschaft ermöglicht.
Sie lernen, wie:
⬤ Einsatz von Best Practices beim Aufbau hochskalierbarer Daten- und ML-Pipelines auf Google Cloud.
⬤ Automatisieren und planen Sie den Dateningest mit Cloud Run.
⬤ Ein Dashboard in Data Studio zu erstellen und zu bestücken.
⬤ Erstellen Sie eine Echtzeit-Analyse-Pipeline mit Pub/Sub, Dataflow und BigQuery.
⬤ Interaktive Datenexploration mit BigQuery durchführen.
⬤ Erstellen eines Bayes'schen Modells mit Spark auf Cloud Dataproc.
⬤ Prognostizieren Sie Zeitreihen und führen Sie Anomalieerkennung mit BigQuery ML durch.
⬤ Aggregieren Sie innerhalb von Zeitfenstern mit Dataflow.
⬤ Trainieren Sie erklärbare maschinelle Lernmodelle mit Vertex AI.
⬤ Operationalisieren Sie ML mit Vertex AI Pipelines.
| ISBN: | 9781098118952 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 446 |
Derzeit verfügbar, auf Lager.
