گواهینامه یادگیری ماشین Google Cloud EITC/AI/GCML یک برنامه مهارت در هوش مصنوعی در مورد یکی از پیشرفته ترین سیستم یادگیری ماشین مبتنی بر منابع محاسباتی Google Cloud Platform است.
برنامه درسی EITC/AI/GCML Google Cloud Machine Learning بر اصول و رویه یادگیری ماشین با Google Cloud که در ساختار زیر سازمان یافته است ، متمرکز است و شامل محتوای جامع آموزشی ویدئویی توسط Google به عنوان مرجع این گواهینامه EITC است.
با استفاده از EITC/AI/GCML Google Cloud Machine Learning شما با مشخصات فنی جدیدترین پیشرفت های Google AI و ابزار یادگیری ماشین Google Cloud و نحوه استفاده از آنها آشنا می شوید.
یادگیری ماشین (ML) مطالعه الگوریتم های رایانه است که با تجربه به طور خودکار بهبود می یابند. به عنوان بخشی از هوش مصنوعی دیده می شود. الگوریتم های یادگیری ماشین برای ایجاد پیش بینی یا تصمیم گیری بدون برنامه ریزی صریح برای انجام این کار ، مدلی را بر اساس داده های نمونه ، معروف به داده های آموزشی می سازند. الگوریتم های یادگیری ماشین در طیف گسترده ای از برنامه ها مانند فیلتر کردن ایمیل و بینایی رایانه مورد استفاده قرار می گیرند ، جایی که توسعه الگوریتم های معمولی برای انجام کارهای مورد نیاز دشوار یا غیرممکن است.
Google Cloud بسیار متمرکز بر ارائه خدمات هوش مصنوعی و عملکرد به عنوان سطح بالایی برای یادگیری ماشین است.
برخی از خدمات Google Cloud AI شامل موارد زیر است:
- Cloud AutoML - سرویس آموزش و استقرار ماشین های سفارشی ، مدل های یادگیری. از سپتامبر 2018 ، سرویس در بتا است.
- Cloud TPU - شتاب دهنده هایی که Google برای آموزش مدل های یادگیری ماشین استفاده می کند.
- Cloud Machine Learning Engine - سرویس مدیریت شده برای آموزش و ساخت مدل های یادگیری ماشین بر اساس چارچوب های اصلی.
- Cloud Job Discovery - سرویس مبتنی بر قابلیت جستجو و یادگیری ماشین Google برای اکوسیستم استخدام.
- Dialogflow Enterprise - محیط توسعه مبتنی بر یادگیری ماشین Google برای ایجاد رابط های مکالمه.
- Cloud Natural Language - سرویس تجزیه و تحلیل متن بر اساس مدل های Google Deep Learning.
- ابر گفتار به متن - سرویس تبدیل گفتار به متن بر اساس یادگیری ماشین.
- ابر تبدیل متن به گفتار - سرویس تبدیل متن به گفتار بر اساس یادگیری ماشین.
- Cloud Translation API - خدماتی برای ترجمه پویا بین هزاران جفت زبان موجود
- Cloud Vision API - سرویس تجزیه و تحلیل تصویر مبتنی بر یادگیری ماشین
- Cloud Video Intelligence - سرویس تجزیه و تحلیل فیلم براساس یادگیری ماشین
به عنوان نمونه ویژگی های AutoML Vision (یادگیری اتوماتیک ماشین Google Cloud برای درک محاسباتی بینایی) را بررسی کنید و با یک برنامه درسی جامع از این برنامه EITC ادامه دهید.
Google AI یک بخش فصلی از Google است که به هوش مصنوعی اختصاص دارد. این در Google I/O 2017 توسط مدیر عامل شرکت Sundar Pichai اعلام شد. پروژه های اصلی Google AI عبارتند از
- ارائه خدمات TPU مبتنی بر ابر (واحدهای پردازش تنسور) به منظور توسعه نرم افزار یادگیری ماشین.
- توسعه TensorFlow.
- TensorFlow Research Cloud به محققان مجموعه ای متشکل از هزار TPU ابری را برای انجام تحقیقات یادگیری ماشین در اختیار محققان قرار می دهد ، به شرط آنکه این تحقیق منبع باز باشد و آنها یافته های خود را قرار دهند و آن را در یک مجله علمی بررسی کنند.
- درگاه هزاران نشریه پژوهشی توسط کارمندان Google است.
- سرخابی: یک تیم تحقیقاتی یادگیری عمیق در حال بررسی نقش یادگیری ماشین به عنوان ابزاری در روند خلاقیت. این تیم بسیاری از پروژه های منبع باز را منتشر کرده است که به هنرمندان و نوازندگان اجازه می دهد روند خود را با استفاده از هوش مصنوعی گسترش دهند.
- Sycamore: پردازنده کوانتومی قابل برنامه ریزی 54 Qubit.
پروژه دیگر Google Brain است. این یک تیم تحقیقاتی برای یادگیری عمیق هوش مصنوعی در گوگل است که در اوایل سال 2010 تشکیل شده است ، و ترکیبی از تحقیق یادگیری ماشین پایان باز با سیستم های اطلاعاتی و منابع محاسباتی در مقیاس بزرگ است. پروژه Google Brain در سال 2011 به عنوان همکاری تحقیقاتی نیمه وقت بین همکار گوگل ، جف دین ، محقق گوگل ، گرگ کورادو ، و استاد دانشگاه استنفورد ، اندرو نگ آغاز شد. Ng از سال 2006 علاقه مند به استفاده از تکنیک های یادگیری عمیق برای از بین بردن مشکل هوش مصنوعی بود و در سال 2011 همکاری با دین و Corrado برای ساخت یک سیستم نرم افزاری یادگیری عمیق در مقیاس بزرگ ، DistBelief ، در بالای زیرساخت رایانش ابری Google را آغاز کرد. Google Brain به عنوان یک پروژه Google X شروع به کار کرد و آنقدر موفق شد که دوباره به گوگل فارغ التحصیل شد: Astro Teller گفته است که Google Brain هزینه کل Google X را پرداخت کرده است. در ژوئن 2012 ، نیویورک تایمز گزارش داد که یک خوشه 16,000 پردازنده ها در 1,000 کامپیوتر که به تقلید از برخی جنبه های فعالیت مغز انسان اختصاص داده شده اند ، با موفقیت خود را برای شناسایی گربه بر اساس 10 میلیون تصویر دیجیتالی که از فیلم های YouTube گرفته شده ، آموزش داده اند. از سالهای اولیه اجرای این پروژه ، Google Brain پیشرفت چشمگیری داشته و برنامه های بسیاری را در محصولات AI Google پیدا کرده است.
برای داشتن یک نگاه اجمالی به پیشرفت ، نمایش نمونه ای از توانایی های دستیار Google را بررسی کنید:
برای آشنایی کامل با برنامه درسی گواهینامه می توانید جدول زیر را گسترش داده و تجزیه و تحلیل کنید.
برای جزئیات بیشتر در مورد روش صدور گواهینامه بررسی کنید چگونه کار می کند.
منابع مرجع برنامه درسی
مستندات Google Cloud Platform
https://cloud.google.com/docs/
کنسول ابری Google
https://console.cloud.google.com/
تقویت مهارتهای ابری Google - یادگیری ماشینی
https://www.cloudskillsboost.google/paths/17
Google Cloud Skills Boost - TensorFlow در Google Cloud
https://www.cloudskillsboost.google/quests/83
Google Cloud Qwiklabs - آموزش دستی روی ابر
https://www.qwiklabs.com/
آموزش Google Cloud
https://cloud.google.com/training/
کانال یوتیوب Google Cloud Platform
https://www.youtube.com/user/googlecloudplatform/videos/
Google Cloud AI و محصولات یادگیری ماشین
https://cloud.google.com/products/ai/
Google Cloud AI و راه حل های یادگیری ماشین
https://cloud.google.com/solutions/ai/
Google Vertex AI
https://cloud.google.com/vertex-ai/
Google TensorFlow
https://www.tensorflow.org/
دانلود کامل مطالب آماده سازی خودآموز آفلاین برای برنامه EITC/AI/GCML Google Cloud Machine Learning در یک فایل PDF
مواد آماده سازی EITC/AI/GCML – نسخه استاندارد
مواد مقدماتی EITC/AI/GCML - نسخه توسعه یافته با سوالات بررسی