Google Cloud Platform 上でのデータサイエンス、第2版

インデックス

A

• アクセス・コントロール、Google BigQuery、アクセス・コントロール-アクセス・コントロール
• 活性化関数,より複雑なモデルに向けて
• ストリーミングデータの集約,ストリーミング集約-ストリーミング集約
  • (タイムウィンドウ集約機能も参照のこと)
• アジャイルアーキテクチャ,Google Cloud-マネージドサービスを 利用したデータサイエンスのためのアジャイルアーキテクチャ
  • 定義,アジャイルアーキテクチャとは何か？
  • マネージドサービス,マネージドサービスを利用する
  • ノーコード／ローコードの決定,ノーコード, ローコード
• 航空交通回廊、航空交通回廊を代表する
• 航空会社定時運航データ,航空会社定時運航データ-データセット分野
• アナリティクス・データウェアハウス,データベースとの対話
  • (BigQueryも参照のこと）
• アナリティクス・ハブ、データプレックス、アナリティクス・ハブ
• アンスコムの四重奏、探索的データ分析
• Apache Airflow、Cloud Composer
• アパッチ・ビーム
  • Apache BeamとCloud Dataflowを使用して、データセットに集約された特徴を追加する。
  • バッチ処理,バッチ処理予測
  • データパイプライン構築、Apache Beam/Cloud Dataflow
  • フィルタリング・イベント,フィルタリング
  • 入力と出力,入力と出力-入力と出力
  • Python環境へのインストール、空港データの解析
  • モデルの起動,モデルの起動
  • 可能なストリーミング・シンク,可能なストリーミング・シンク-Cloud Bigtableからの クエリ
  • Python構文、空港データの解析
  • 再利用エンドポイントスタブ,再利用エンドポイント-ワーカーインスタンス
  • トランスフォームの再利用,トランスフォームの再利用
  • スターティングポイント,スターティングポイント
  • ストリーミング予測,ストリーミング予測-バッチ予測
• Apache Hive、より高度なツールの必要性
• Apache Pig、より高度なツールの必要性
• Apache Spark（Spark；時間窓集約機能を参照。）
• 到着の遅れ、出発の遅れ、そして 出発の遅れに条件付きの到着の遅れ、答えは...。
• 監査可能性、データに基づくより良い意思決定
• AutoML、AutoML-AutoML
• AutoMLテーブル,AutoMLモデル
• オートスケーリング,オートスケーリング,オートスケーリング・アップ/ダウン-オートスケーリング・アップ/ダウン

B

• Bash、Pythonでの取り込み
• バッチ・アグリゲーション,ストリーミング・アグリゲーション
• バッチ処理、データフローにおけるストリーミング
• ベイズ分類,ベイズ分類-単一閾値モデルとの 比較
  • 単一閾値モデルとの比較,単一閾値モデルとの比較-単一閾値モデルとの比較
  • 定義,SQLを用いた量子化
  • 出発遅延ビンと,各ビンのベイズ-各ビンの ベイズ
  • Dynamically Resizing Clusters,クラスタの動的なサイズ変更-クラスタの 動的なサイズ変更
  • モデルの評価,モデルの評価
• ビーム(ApacheBeamを参照)
• BI（ビジネスインテリジェンスを参照）
• ビッグクエリ
  • アクセス・コントロール,アクセス・コントロール
  • サーバーレス・カラムナー・データベースの利点,サーバーレス・カラムナー・データベースの利点
  • BigQueryでストリーミング・データを分析する,BigQueryでストリーミング・データを分析する
  • カラム型データベースとして,サーバーレスカラム型データベースの利点
  • ビューの作成,BigQueryビューの作成
  • 予測を記録するデータベースの選択として ...