آموزش مبانی مهندسی داده برای تحلیل‌های پیش‌بینانه - آخرین آپدیت

دانلود Predictive Analytics Data Engineering Foundations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: زیرساخت داده‌های خود را برای تحلیل‌های پیش‌بینانه قابل‌اطمینان و تصمیم‌گیری‌های آگاهانه تجاری ایجاد کنید. در این دوره، بررسی می‌کنید که چگونه مهندسی داده در سطح سازمانی، خط‌لوله‌های داده، کیفیت داده و مهندسی ویژگی، اطلاعات خام را به مجموعه‌داده‌های آماده برای تحلیل تبدیل می‌کنند. شما چرخه عمر داده‌های تحلیل پیش‌بینانه را بررسی کرده و انبارهای داده ابری، دریاچه‌های داده و معماری‌های مدرن دریاچه داده را با هم مقایسه می‌کنید. یاد می‌گیرید که چگونه خط‌لوله‌های دسته‌ای و استریم، مؤلفه‌های جریان رویداد، و جریان‌های دریافت و پردازش، از تحلیل‌های تجاری پشتیبانی می‌کنند. همچنین ریسک‌های قابلیت اطمینان داده‌های استریم را ارزیابی کرده و تکنیک‌هایی برای مقیاس‌گذاری عددی، تبدیل متن، ایجاد ویژگی‌های سری زمانی و انتخاب ویژگی‌ها را بررسی خواهید کرد. با پیشرفت در دوره، در نظر خواهید گرفت که چگونه فروشگاه‌های ویژگی سازمانی از استفاده مجدد و سازگار ورودی‌های پیش‌بینانه پشتیبانی می‌کنند. شما یاد می‌گیرید که گزینه‌های معماری داده را مقایسه کنید، جریان‌های سطح بالای دریافت و پردازش را طراحی کنید، تکنیک‌های آماده‌سازی مناسب را انتخاب کرده و شیوه‌های مهندسی ویژگی را برای موارد استفاده تحلیلی پیشنهاد دهید. این دوره که برای فراگیران علاقه‌مند به مهندسی داده سازمانی و تحلیل پیش‌بینانه طراحی شده است، تصمیمات زیرساختی را با کیفیت داده و آمادگی ویژگی‌ها مرتبط می‌کند. تمرکز این دوره بر سازماندهی، اعتبارسنجی و آماده‌سازی داده‌ها برای مدل‌های پیش‌بینانه و گزارش‌دهی تجاری است، نه ساخت یا استقرار یک مدل پیش‌بینانه کامل.

سرفصل ها و درس ها

زیرساخت و خط‌لوله‌های داده سازمانی Enterprise Data Infrastructure and Pipelines

  • مبانی مهندسی داده سازمانی Enterprise Data Engineering Foundations

  • چرخه عمر داده‌های تحلیل پیش‌بینانه Predictive Analytics Data Lifecycle

  • انبارهای داده ابری و دریاچه‌های داده Cloud Data Warehouses and Data Lakes

  • معماری مدرن دریاچه داده Modern Data Lake Architecture

  • خط‌لوله‌های داده و جریان رویداد Data Pipelines and Event Streaming

کیفیت داده و مهندسی ویژگی Data Quality and Feature Engineering

  • کیفیت و قابلیت اطمینان داده‌های استریم Streaming Data Quality and Reliability

  • اصول مهندسی ویژگی Feature Engineering Fundamentals

  • مقیاس‌گذاری ویژگی و مهندسی متن Feature Scaling and Text Engineering

  • ویژگی‌های سری زمانی و انتخاب ویژگی Time-Series Features and Feature Selection

  • فروشگاه‌های ویژگی سازمانی Enterprise Feature Stores

نمایش نظرات

آموزش مبانی مهندسی داده برای تحلیل‌های پیش‌بینانه
جزییات دوره
4h 16m
10
(آخرین آپدیت)
15
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده