Scienza dei dati sulla piattaforma cloud di Google: Implementazione di pipeline di dati in tempo reale end-to-end: Dall'ingest all'apprendimento automatico

Recensioni dei lettori

Il libro è molto apprezzato per la sua chiara presentazione di esempi reali, l'approccio strutturato alla scienza dei dati e l'efficace integrazione degli strumenti di Google Cloud. Include esercitazioni pratiche e casi di studio che migliorano l'apprendimento. Tuttavia, a causa della sua profondità e complessità, potrebbe non essere adatto ai principianti della scienza dei dati.

⬤ Esempi reali eccellenti
⬤ presentazione chiara e strutturata
⬤ pratica pratica pratica
⬤ organizzazione accurata
⬤ buoni casi di studio
⬤ uso efficace della narrazione
⬤ copertura completa degli strumenti GCP.

Potrebbe non essere adatto a chi è alle prime armi con la scienza dei dati; la comprensione è un po' complessa per i nuovi arrivati.

(basato su 6 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Scoprite quanto sia facile applicare sofisticati metodi statistici e di apprendimento automatico ai problemi del mondo reale quando si utilizza Google Cloud Platform (GCP). Questa guida pratica mostra a data engineer e data scientist come implementare una pipeline di dati end-to-end, utilizzando metodi e strumenti statistici e di apprendimento automatico su GCP.

Nel corso di questa seconda edizione aggiornata, si lavorerà su un esempio di decisione aziendale utilizzando una serie di approcci di data science. Seguite l'implementazione di queste soluzioni statistiche e di apprendimento automatico nel vostro progetto su GCP e scoprite come questa piattaforma offra un modo trasformativo e più collaborativo di fare scienza dei dati.

Imparerete a:

⬤ Impiegare le migliori pratiche nella costruzione di pipeline di dati e ML altamente scalabili su Google Cloud.

⬤ Automatizzare e programmare l'ingest dei dati utilizzando Cloud Run.

⬤ Creare e popolare una dashboard in Data Studio.

⬤ Costruire una pipeline di analisi in tempo reale utilizzando Pub/Sub, Dataflow e BigQuery.

⬤ Condurre l'esplorazione interattiva dei dati con BigQuery.

⬤ Creare un modello bayesiano con Spark su Cloud Dataproc.

⬤ Prevedere serie temporali e rilevare anomalie con BigQuery ML.

⬤ Aggregare all'interno di finestre temporali con Dataflow.

⬤ Addestrare modelli di apprendimento automatico spiegabili con Vertex AI.

⬤ Operativizzare il ML con Vertex AI Pipelines.