آموزش مبانی بیگ دیتا: مفاهیم کلیدی - آخرین آپدیت

دانلود Big Data Foundations: Core Concepts

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سازمان‌ها به طور فزاینده‌ای با حجم، سرعت و تنوع داده‌هایی روبرو هستند که از محدودیت‌های ابزارهای سنتی فراتر می‌رود. در این دوره آموزشی با عنوان «مبانی بیگ دیتا: مفاهیم کلیدی»، شما توانایی درک و تبیین نحوه طراحی سیستم‌های داده‌های بزرگ و اهمیت آن‌ها را به دست خواهید آورد. در ابتدا، مفهوم «بیگ دیتا» (Big Data) شامل 5V و نحوه تأثیر این ویژگی‌ها بر معماری سیستم را بررسی می‌کنید. سپس، مراحل چرخه حیات داده‌های بزرگ — از تولید و جذب تا ذخیره‌سازی، پردازش و مصرف — و جایگاه موارد استفاده دسته‌ای (Batch) و جریانی (Streaming) را خواهید شناخت. در نهایت، یاد می‌گیرید که دسته‌های اصلی فناوری مانند ذخیره‌سازی توزیع‌شده، پردازش توزیع‌شده، موتورهای پرس‌وجو و ابزارهای ارکستراسیون چگونه برای ساخت الگوهای معماری مقیاس‌پذیر مانند دریاچه‌های داده (Data Lakes)، لیک‌هاوس‌ها (Lakehouses) و خط لوله‌های داده (Pipelines) با یکدیگر همکاری می‌کنند. پس از اتمام این دوره، مهارت‌ها و دانش بنیادین لازم برای درک پلتفرم‌های داده مدرن و مشارکت مطمئن در طراحی یا پشتیبانی از راهکارهای داده در مقیاس بزرگ را کسب خواهید کرد.

سرفصل ها و درس ها

بیگ دیتا چیست و چرا اهمیت دارد What Is Big Data and Why It Matters

  • ظهور بیگ دیتا The Rise of Big Data

  • تعریف بیگ دیتا Defining Big Data

  • ویژگی‌های 5V در بیگ دیتا The 5 V's of Big Data

  • تأثیر 5V بر طراحی سیستم How the 5 V's Influence System Design

  • پردازش سنتی در مقابل پردازش مبتنی بر بیگ دیتا Traditional vs. Big Data Oriented Processing

  • چالش‌های زمانی فراتر رفتن داده‌ها از ابزارهای سنتی Challenges When Data Exceeds Conventional Tools

  • فرصت‌های ایجاد شده توسط بیگ دیتا در صنایع مختلف Opportunities Enabled by Big Data across Industries

چرخه حیات سیستم‌های بیگ دیتا The Big Data System Lifecycle

  • نمای کلی چرخه حیات بیگ دیتا The Big Data Lifecycle Overview

  • تولید داده در سیستم‌های مدرن Data Generation in Modern Systems

  • مسیرهای جذب داده: دسته‌ای و جریانی Ingestion Pathways Batch and Streaming

  • ذخیره‌سازی در سیستم‌های بیگ دیتا Storage in Big Data Systems

  • پردازش: از تبدیل داده‌ها تا خط لوله‌های یادگیری ماشین Processing from Transformations to ML Pipelines

  • مصرف داده‌ها: هوش تجاری، تحلیل‌ها، APIها و یادگیری ماشین Consumption BI, Analytics, APIs, and ML

  • نقش‌ها و مسئولیت‌ها در سیستم‌های بیگ دیتا Roles and Responsibilities in Big Data Systems

  • حاکمیت، قابلیت اطمینان و مقیاس‌پذیری در چرخه حیات Governance, Reliability, and Scalability in the Lifecycle

تکنولوژی‌ها و معماری‌های بیگ دیتا Big Data Technologies and Architectures

  • دسته‌بندی تکنولوژی‌های بیگ دیتا Categories of Big Data Technologies

  • الگوهای معماری بیگ دیتا Big Data Architectural Patterns

  • توضیح پردازش توزیع‌شده Distributed Processing Explained

  • توضیح ذخیره‌سازی توزیع‌شده Distributed Storage Explained

  • نحوه همکاری این تکنولوژی‌ها با یکدیگر How These Technologies Work Together

  • اکوسیستم‌های متن‌باز در مقابل ابری (Cloud Native) Open Source vs. Cloud Native Ecosystems

  • ابزارهای ارکستراسیون، زمان‌بندی و مدیریت جریان کاری Orchestration, Scheduling, and Workflow Tools

  • موتورهای پرس‌وجو و دسترسی فدرال Query Engines and Federated Access

نمایش نظرات

آموزش مبانی بیگ دیتا: مفاهیم کلیدی
جزییات دوره
1h 11m
23
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
5
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Troy Kranendonk Troy Kranendonk

Troy Kranendonk یک مدیر برنامه درسی برای دسترسی به داده ها و تجزیه و تحلیل است و همچنین نویسنده ای با Pluralsight Troy تحصیلات خود را در زمینه آموزش رسانه های دیجیتال انجام داده است و دوست دارد نوآوری کند و مرزها را با فناوری از بین ببرد. تروی تدریس کرده است حرکت متحرک ، فیلم ، طراحی گرافیک ، و انیمیشن سه بعدی و همچنین Action Script ، HTML و CSS و در حال حاضر آموزش داده است.