آموزش ساخت انبار داده (Data Warehouse) با استفاده از BigQuery [ویدئویی] - آخرین آپدیت

دانلود Build Data Warehouse using BigQuery [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: انبارهای داده ابری برای ذخیره‌سازی، سازماندهی و تحلیل داده‌ها در مقیاس بزرگ ضروری هستند. گوگل BigQuery یک پلتفرم مدیریت شده را برای تحلیلگران و مهندسان فراهم می‌کند تا بدون نیاز به نگهداری زیرساخت‌های سنتی، مجموعه‌داده‌ها را ایجاد کرده، حجم زیادی از اطلاعات را کوئری کرده و از هوش تجاری (BI) پشتیبانی کنند. مسیر یادگیری با دسترسی به پلتفرم، پیمایش در محیط و بررسی مجموعه‌داده‌های عمومی آغاز شده و سپس به مفاهیم انبار داده، سازماندهی دیتاست‌ها، شمای جداول، پارتیشن‌بندی (Partitioning) و کلاسترینگ (Clustering) می‌رسد. سپس کاربران اشیاء انبار داده را از طریق رابط کاربری، SQL و پایتون ایجاد می‌کنند، از Jupyter Notebook و Pandas بهره می‌برند و عملیات ETL را از منابع CSV، Excel و JSON انجام می‌دهند. در پایان، شرکت‌کنندگان قادر خواهند بود ساختارهای کاربردی انبار داده را طراحی کنند، فرآیندهای بارگذاری داده را خودکار سازند و از SQL برای بازیابی و تحلیل داده‌ها استفاده کنند. همچنین با مبانی حاکمیت داده (Governance)، توابع تعریف شده توسط کاربر (UDF)، منطق تجمیعی و توابع پنجره‌ای (Window Functions) آشنا می‌شوند که پایه‌ای قوی برای مهندسی داده و تحلیل‌های پیشرفته ایجاد می‌کند. آنچه در این دوره می‌آموزید: - ایجاد دیتاست‌ها و جداول در Google BigQuery - ساخت خط لوله‌های ETL با پایتون و Pandas - پیاده‌سازی استراتژی‌های پارتیشن‌بندی و کلاسترینگ - کوئری گرفتن از داده‌ها با استفاده از توابع Aggregate و Window - استفاده از UDFها برای تغییرات سفارشی داده‌ها - مدیریت امنیت داده‌ها و مبانی حاکمیت داده این دوره برای تحلیلگران داده، مهندسان داده، متخصصان هوش تجاری و علاقه‌مندانی که به دنبال تجربه عملی با BigQuery، SQL، ETL مبتنی بر پایتون و مدیریت داده در مقیاس سازمانی هستند، ایده‌آل است. تسلط بر مفاهیم پایه SQL و مفاهیم داده توصیه می‌شود.

سرفصل ها و درس ها

مقدمه‌ای بر ساخت انبار داده با BigQuery Introduction to Build Data Warehouse Using BigQuery

  • معرفی مدرس Introduction to the Instructor

  • آشنایی با BigQuery Introduction to BigQuery

  • راه‌اندازی و دسترسی به BigQuery Setting Up and Accessing BigQuery

  • پیمایش در رابط کاربری BigQuery Navigating the BigQuery UI

  • بررسی مجموعه‌داده‌های عمومی (bigquery public data) Exploring "bigquery-public-data" Datasets

ایجاد انبار داده با استفاده از رابط کاربری و SQL Creating A Data Warehouse Using UI Interface And SQL

  • مقدمه‌ای بر انبار داده و BigQuery Introduction to Data Warehousing and BigQuery

  • ایجاد دیتاست‌ها برای سازماندهی داده‌ها Creating Datasets for Data Organization

  • تعریف جداول به همراه شمای داده و تنظیمات Defining Tables with Schema and Settings

  • استراتژی‌های پارتیشن‌بندی و کلاسترینگ Partitioning and Clustering Strategies

  • ایجاد جداول با استفاده از SQL Creating Tables using SQL

  • ایجاد جداول پارتیشن‌بندی شده با SQL Creating Partitioned Tables using SQL

ایجاد انبار داده با استفاده از پایتون Creating A Data Warehouse Using Python

  • نصب بسته Anaconda و پیکربندی دسترسی‌ها Installing Anaconda Package and Configuring Credentials

  • آشنایی با رابط کاربری Jupyter Notebook Introduction to Jupyter Notebook UI

  • دستکاری داده‌ها با Pandas: جایگزینی و الحاق جداول Manipulating Data with Pandas: Replacing and Appending Tables

  • افزودن پویا اطلاعات شمای داده Adding Schema Information Dynamically

  • پیاده‌سازی تنظیمات پارتیشن‌بندی و کلاسترینگ Incorporating Partitioning and Clustering Configurations

عملیات ETL با پایتون از منابع خارجی ETL With Python From External Sources

  • درک مفهوم ETL (استخراج، تبدیل، بارگذاری) Understanding ETL (Extract, Transform, Load)

  • انجام ETL با فایل‌های CSV، Excel و JSON Performing ETL with CSV, Excel, and JSON Files

کوئری‌نویسی و حاکمیت داده Querying And Governance

  • مقدمه‌ای بر زبان کوئری داده‌ها (DQL) Introduction to Data Query Language

  • بررسی نمونه‌های SQL برای بازیابی داده‌ها Exploring SQL Examples for Data Retrieval

  • بهره‌گیری از توابع Aggregate و Window برای کوئری‌های پیشرفته Leveraging Aggregate and Window Functions for Advanced Queries

  • توابع تعریف شده توسط کاربر (UDFs) برای تغییرات سفارشی User-Defined Functions (UDFs) for Custom Transformations

  • بهترین روش‌های امنیت و حاکمیت داده Data Security and Governance Best Practices

جمع‌بندی و نتیجه‌گیری Conclusion

  • نتیجه‌گیری نهایی Conclusion

نمایش نظرات

آموزش ساخت انبار داده (Data Warehouse) با استفاده از BigQuery [ویدئویی]
جزییات دوره
1h 49m
24
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Starweaver
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Starweaver Starweaver

Starweaver فرصت‌هایی را برای مربیان، شرکت‌ها و پلتفرم‌ها ایجاد می‌کند.

Starweaver محتوای مورد تقاضای متمرکزی را ارائه می‌کند که حوزه‌های موضوعی کلیدی، گواهینامه‌های پیشرو در صنعت، و یادگیری و توسعه مستمر را پوشش می‌دهد. محتوای Starweaver با ارائه نتایج شایستگی با کیفیت بالا برای صدها شرکت در سراسر جهان، توسط مربیان دنیای واقعی هدایت می‌شود که برای تجهیز دانش‌آموزان به مهارت‌های مورد نیاز برای دستیابی به اهداف حرفه‌ای و پیشبرد اهداف شغلی بلندمدت خود اختصاص داده شده‌اند.