PyData Mumbai рада провести серию практических семинаров по Google Cloud Platform в сотрудничестве с Google.
Повестка дня сериала будет следующей:
Обратите внимание:
а. Все темы будут представлять собой практические занятия на основе Google Cloud.
б. Пожалуйста, посетите страницу встречи для каждого дня (предоставленную ниже вместе с повесткой дня на каждый день), чтобы узнать больше о повестке дня, месте проведения, времени и ответе на приглашение.
в. Поскольку вы получите доступ к GCP, зарегистрируйтесь по предоставленному URL-адресу формы Google (отдельно на каждый день, пожалуйста, найдите URL-адреса ниже) с идентификатором электронной почты, который вы будете использовать для доступа к облачным лабораториям.
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
День 1: 29 июня 2019 г.
Тема: Инжиниринг данных на Google Cloud Platform
Встреча: http://bit.ly/cloud_day1
Регистрация: http://bit.ly /day1_reg
Лаборатории, которые необходимо охватить:
- Основы GCP -
а. Экскурсия по Qwiklabs и GCP: понимание основ
b. Создание виртуальной машины
c. Начало работы с Cloud Shell и gcloud - Исходный уровень: данные, машинное обучение, искусственный интеллект
а. Облачная подготовка данных
б. Облачный поток данных
c. Cloud Dataproc: консоль и командная строка - Инжиниринг данных
а. Создание конвейера преобразования данных с помощью Cloud Dataprep
b. Выполнение конвейера обработки текста больших данных в Cloud Dataflow
c. Создание конвейера аналитики IoT на GCP
d. Обработка ETL на GCP с использованием Dataflow и BigQuery - Научная обработка данных
а. Введение в SQL для BigQuery и Cloud SQL
б. Анализ данных о погоде в BigQuery
c. Распределенная обработка изображений в Cloud Dataproc
d. Анализ данных о рождении с помощью Datalab и BigQuery
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
День 2: 20 июля 2019 г.
Тема: DevOps на Google Cloud Platform
Встреча: http://bit.ly/cloud_day2
Регистрация: http://bit.ly/ day2_reg
Лаборатории, которые необходимо охватить:
- Основы GCP -
а. Kubernetes Engine: запуск Qwik - Исходный показатель: инфраструктура
a. Облачное хранилище: Qwik Start — Консоль
б. Облачный IAM: Qwik Start
c. Stackdriver: Qwik Start
d. Облачные функции: Qwik Start — Консоль
e. Google Cloud Pub/Sub: Qwik Start — Python - Kubernetes в облаке Google
а. Введение в Docker
б. Оркестрация облака с помощью Kubernetes
c. Управление развертываниями с помощью Kubernetes Engine
d. Непрерывная доставка с Jenkins в Kubernetes Engine - Решения Kubernetes
а. Kubeflow от начала до конца
б. Awwvision: API Cloud Vision из кластера Kubernetes
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
День 3: 10 августа 2019 г.
Тема: Наука о данных на платформе Google Cloud (часть 1)
Встреча: http://bit.ly/cloud_day3
Регистрация: http:/ /bit.ly/day3_reg
Лаборатории, которые необходимо охватить:
- Исходный уровень: данные, машинное обучение, искусственный интеллект
а. Cloud Natural Language API: Qwik Start
b. Google Cloud Speech API: Qwik Start
c. Видеоаналитика: Qwik Start - Наука о данных в GCP — часть 1
a. Введение в SQL для BigQuery и Cloud SQL
б. Загрузка данных в облако
c. Загрузка данных в облако с помощью Google App Engine
d. Загрузка данных в Google Cloud SQL
e. Визуализация данных с помощью Google Data Studio
f. Обработка данных с помощью Google Cloud Dataflow
g. Визуализируйте геопространственные данные в реальном времени с помощью Google Data Studio
h. Загрузка данных в Google BigQuery для исследовательского анализа данных
i. Исследовательский анализ данных с использованием Google Cloud Datalab
j. Оценка модели данных - API машинного обучения
а. Введение в API в Google
б. Извлечение, анализ и перевод текста из изображений с помощью API Cloud ML
c. Классифицировать текст по категориям с помощью Natural Language API
d. Облачный ML-движок
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
День 4: 24 августа 2019 г.
Тема: Наука о данных на платформе Google Cloud (часть 2) и Интернет вещей
Встреча: http://bit.ly/cloud_day4
Регистрация: http ://bit.ly/day4_reg
Лаборатории, которые необходимо охватить:
- Наука о данных в GCP — часть 1
a. Машинное обучение с помощью Spark в Google Cloud Dataproc
б. Машинное обучение с помощью TensorFlow
c. Распределенное машинное обучение с помощью Google Cloud ML
d. Машинное обучение в реальном времени с помощью Google Cloud ML
e. Байесовская классификация с Cloud Datalab, Spark и Pig в Google Cloud Dataproc - Интернет вещей на GCP
а. Интернет вещей: Qwik Start
б. Потоковая передача данных IoT в Google Cloud Storage
c. Потоковая передача данных IoT Core в Dataprep
d. Создание конвейера аналитики Интернета вещей на Google Cloud Platform
e. Экскурсия по Cloud IoT Core
f. Использование ведения журнала Stackdriver с базовыми устройствами IoT
g. Использование Firestore с Cloud IoT Core для настройки устройства
h. Потоковая передача IoT Kafka в Google Cloud Pub/Sub