آموزش مهندسی داده عملی در Google Cloud Platform | پایتون

Hands-On Data Engineering in Google Cloud Platform | Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: ویدیوهای عملی بدون وقفه در پشته های فناوری بدون سرور و خود مدیریت شده در GCP برای متخصصان مشتاق داده! استخراج و بارگذاری داده ها از ماشین محلی به Cloud Storage و Pub/Sub. راه اندازی و استفاده از پایگاه داده مانند Cloud SQL، BigQuery و Bigtable. داده ها را با استفاده از Google Cloud Functions، Dataflow و Dataproc تغییر دهید. با ترکیب آخرین ابزارهای موجود در Google Cloud Platform، راه‌حل‌های زندگی واقعی را پیاده‌سازی کنید. پیش نیازها: دانش پایه پایتون، docker و bash. مراحل دقیق در مقاله های ویدئویی و خودنویس توسط نویسنده ارائه می شود، بنابراین اگر کاملا مبتدی هستید نگران نباشید! برای استفاده آزمایشی رایگان 300 دلاری Google Cloud 90 روزه ثبت نام کنید - کارت اعتباری/روش پرداخت لازم است. Google هزینه‌ای از شما دریافت نمی‌کند مگر اینکه صریحاً از نسخه آزمایشی رایگان خود به یک حساب پولی ارتقا دهید، بنابراین نگران نباشید! اتصال به اینترنت پایدار برای تماشای تمام دموهای زنده بدون وقفه با کیفیت 1080p!

می‌خواهید در مورد چگونگی ایجاد راه‌حل‌های مهندسی داده در Google Cloud Platform (GCP) با استفاده از ابزارهای مختلف موجود، که عمدتاً از Python به عنوان زبان برنامه‌نویسی اصلی خود استفاده می‌کنند، بیاموزید. ما از مقدمه اصلی اینکه هر جزء به طور عمده برای چه چیزی استفاده می شود شروع می کنیم، سپس مستقیماً به دموها با توضیح دقیق در مورد انتخاب طراحی و استدلال های پشت سر آن می پردازیم. من مطمئن هستم که شما با درک بهتری در مورد آنچه که هر مؤلفه احتمالاً می تواند انجام دهد و راه حل های مهندسی داده را در تیم خود هدایت کند، از دوره خارج خواهید شد!


لیستی از پشته های فناوری وجود دارد که ما آنها را پوشش خواهیم داد

  1. ادغام با GCP

    1. Google Cloud Platform Console، Cloud SDK و Client Libraries

  2. ذخیره سازی داده/پیام رسانی

    1. Google Cloud Storage، Google Pub/Sub

  3. پایگاه های داده

    1. Cloud SQL، BigQuery، Bigtable

  4. پردازش داده

    1. توابع Cloud، Cloud Dataflow، Cloud Dataproc

من چند آزمایشگاه تخصصی ایجاد کرده ام تا همه ابزارهای ذکر شده در بالا را به جای اینکه به شما بگویم هر جزء چه کاری می تواند انجام دهد یکپارچه کند! این می تواند به سرعت بخشیدن به درک شما کمک کند تا بتوانید فوراً روی گردش کار GCP موجود خود اعمال کنید. کد و مراحل دقیق نیز در ویدیو و همچنین مقالات خود نوشته به اشتراک گذاشته خواهد شد، بنابراین فقط بنشینید، استراحت کنید و از تمام دموها لذت ببرید!


بیایید اکنون در سفر ابری سوار شویم!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • بهترین تجربه یادگیری را داشته باشید Have the best learning experience

استخراج کردن Extract

  • کنسول پلتفرم Google Cloud Google Cloud Platform Console

  • Cloud SDK Cloud SDK

  • کتابخانه های مشتری Client Libraries

  • نصب NiFi NiFi Installation

  • نسخه ی نمایشی NiFi NiFi Demo

  • یادآوری ملایم Gentle Reminder

  • خلاصه Summary

بار Load

  • فضای ذخیره ابری Cloud Storage

  • میخانه/فرعی Pub/Sub

  • Pub/Sub Demo Pub/Sub Demo

تبدیل - توابع ابری Transform - Cloud Functions

  • توابع ابری و معماری سطح بالا Cloud Functions & High Level Architecture

  • تنظیم داده منبع Setup Source Data

  • راه اندازی Cloud SQL Setup Cloud SQL

  • راه اندازی توابع ابری Setup Cloud Functions

  • پایان به پایان نسخه ی نمایشی End to End Demo

Transform - Cloud Dataflow Transform - Cloud Dataflow

  • Cloud Dataflow و معماری سطح بالا Cloud Dataflow & High Level Architecture

  • تنظیم داده منبع Setup Source Data

  • BigQuery را راه اندازی کنید Setup BigQuery

  • توسعه راه اندازی برای Apache Beam در GCP Setup Development for Apache Beam in GCP

  • Dataflow را مستقر کنید Deploy Dataflow

  • پایان به پایان نسخه ی نمایشی End to End Demo

Transform - Cloud Dataproc Transform - Cloud Dataproc

  • Cloud Dataproc و معماری سطح بالا Cloud Dataproc & High Level Architecture

  • تنظیم داده منبع Setup Source Data

  • راه‌اندازی عملکرد Cloud برای راه‌اندازی اسکریپت Pyspark قسمت 1 Setup Cloud Function to Trigger Pyspark Script Part 1

  • راه اندازی تابع ابری برای راه اندازی اسکریپت Pyspark قسمت 2 Setup Cloud Function to Trigger Pyspark Script Part 2

  • Bigtable را راه اندازی کنید Setup Bigtable

  • برای درج Bigtable، تابع Cloud را تنظیم کنید Setup Cloud Function to Insert Bigtable

  • پایان به پایان نسخه ی نمایشی End to End Demo

خلاصه و یادداشت تشکر Summary and Thank You Note

  • خلاصه و ممنون Summary and Thank you!

نمایش نظرات

نظری ارسال نشده است.

آموزش مهندسی داده عملی در Google Cloud Platform | پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
6 hours
31
Udemy (یودمی) udemy-small
13 آبان 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
573
4.4 از 5
ندارد
دارد
دارد
Chenming Yong

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chenming Yong Chenming Yong

مهندس حرفه ای ابر

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.