کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش آشنایی با معماری Lakehouse Databricks - آخرین آپدیت

دانلود Introduction to the Databricks Lakehouse Architecture

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: راه حل های ذخیره سازی داده های سنتی مانند دریاچه های داده و انبارهای داده مقیاس پذیری یا قابلیت اطمینان را ارائه می دهند اما هر دو نیست. این مانع توانایی سازمان در مدیریت و تجزیه و تحلیل موثر داده ها می شود. در این دوره ، معرفی معماری Lakehouse Databricks ، شما می توانید از سکوی Lakehouse Databricks برای ایجاد راه حل های داده یکپارچه ، مقیاس پذیر و کارآمد استفاده کنید. ابتدا ، مفاهیم اساسی معماری Lakehouse ، مزایای آن نسبت به دریاچه های داده سنتی و انبارهای داده و اجزای اصلی آن ، از جمله Delta Lake ، Spark ، Databricks SQL و MLFlow را بررسی خواهید کرد. در مرحله بعد ، شما می توانید نحوه کار با معماری Lakehouse را با استفاده از Delta Lakes ، با پرس و جو از داده های ساختاری و بدون ساختار و مدیریت گردش کار یادگیری ماشین با استفاده از MLFlow کشف کنید. سرانجام ، شما می آموزید که چگونه می توانید مدل Lakehouse را در سناریوهای دنیای واقعی با ساختن یک خط لوله داده نهایی و یک گردش کار یادگیری ماشینی در حالی که کاوش در برنامه های صنعت مشترک مانند تشخیص کلاهبرداری ، سیستم های توصیه و تجزیه و تحلیل مشتری را اعمال کنید ، استفاده کنید. پس از اتمام این دوره ، مهارت و دانش در مورد پلت فرم Lakehouse Databricks مورد نیاز برای طراحی و اجرای راه حل های داده مدرن برای تجزیه و تحلیل ، یادگیری ماشین و فراتر از آن خواهید داشت.
سرفصل ها و درس ها

اصول معماری Lakehouse Fundamentals of the Lakehouse Architecture

  • سیستم و نیازهای نرم افزاری System and Software Requirements

  • انواع داده ها و مسائل مربوط به سیلوهای داده Types of Data and Issues with Data Silos

  • راه حل های ذخیره سازی داده های سنتی Traditional Data Storage Solutions

  • خانه دریاچه داده The Data Lakehouse

  • Databricks Lakehouse The Databricks Lakehouse

  • گردش داده های مدرن در خانه های دریاچه Modern Data Workflows in Lakehouses

معماری Lakehouse در Databricks Lakehouse Architecture on Databricks

  • معماری Lakehouse در Databricks Lakehouse Architecture on Databricks

  • نسخه ی نمایشی: داده ها را در جدول دلتا با استفاده از نوت بوک ذخیره و Demo: Store and Query Data in a Delta Table Using Notebooks

  • نسخه ی نمایشی: اجرای نمایش داده های SQL در میزهای دلتا Demo: Running SQL Queries on Delta Tables

استفاده از معماری Lakehouse Applying the Lakehouse Architecture

  • نسخه ی نمایشی: خط لوله ETL پایان به پایان Demo: End-to-end ETL Pipeline

  • نسخه ی نمایشی: چرخه عمر ML با MLFlow Demo: End-to-end ML Lifecycle with MLflow

  • برنامه های مشترک صنعت که توسط Databricks تهیه شده است Common Industry Applications Powered by Databricks

آموزش Databricks تحلیلگر داده های معتبر: Databricks SQL

آموزش Databricks تحلیلگر داده های معتبر: Databricks SQL

دانلود Databricks Certified Data Analyst: Databricks SQL

آموزش گردش کار در پایگاه داده ها با ویژگی های AI تولیدی را تقویت کنید

آموزش گردش کار در پایگاه داده ها با ویژگی های AI تولیدی را تقویت کنید

دانلود Enhance Workflows in Databricks with Generative AI Features

پروژه مهندسی داده در دنیای واقعی با Databricks

پروژه مهندسی داده در دنیای واقعی با Databricks

End-to-End Real-World Data Engineering Project with Databricks

نمایش نظرات

آموزش آشنایی با معماری Lakehouse Databricks
جزییات دوره
53m
12
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
Janani Ravi

https://donyad.com/d/ca8e51

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.

Databricks