آموزش سفر به دریاچه های داده - ساخت معماری داده های مدرن

Journey to Data Lakes - Building Modern Data Architectures

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بیایید از پتانسیل داده های بزرگ استفاده کنیم اجزای اصلی یک دریاچه داده را بیاموزیم: اجزای اساسی و بلوک های سازنده دریاچه داده را کاوش کنید. کاوش در معماری‌های مختلف دریاچه داده: الگوهای معماری و رویکردهای مختلف برای طراحی و پیاده‌سازی دریاچه‌های داده را درک کنید. درک مفهوم دریاچه داده: درک جامعی از چیستی دریاچه داده، هدف و مزایای آن در معماری داده مدرن به دست آورید. تکنیک‌های بلع داده‌ها: روش‌ها و ابزارهای مختلف را برای جذب داده‌ها در دریاچه داده، از جمله پردازش دسته‌ای، پردازش جریانی در زمان واقعی و تجزیه و تحلیل داده‌ها بیاموزید: مهارت‌های پردازش و تجزیه و تحلیل داده‌های ذخیره‌شده در دریاچه داده را به دست آورید. درک ذخیره سازی و سازماندهی داده ها: یاد بگیرید که چگونه انواع مختلف داده ها را در یک دریاچه داده ذخیره و سازماندهی کنید، از جمله ساختار یافته، نیمه ساختاریافته و غیره. اجرای حاکمیت و امنیت داده: اهمیت حاکمیت داده در محیط دریاچه داده را درک کنید و یاد بگیرید که چگونه ایجاد کنید. شیوه های حاکمیت داده پیش نیازها: درک اساسی مفاهیم داده: آشنایی با مفاهیم بنیادی داده مانند پایگاه های داده، ساختار داده ها و پردازش داده ها، پایه ای قوی برای یادگیری دریاچه های داده فراهم می کند. دانش ذخیره سازی و پردازش داده ها: تجربه با SQL: مهارت در SQL (زبان پرس و جو ساختاریافته) ارزشمند است زیرا اغلب برای پرس و جو و دستکاری داده ها در دریاچه های داده استفاده می شود. آشنایی با فرمت های داده

دوره آموزشی "مقدمه ای بر دریاچه های داده: ساخت معماری های داده های مدرن" برای ابهام زدایی از مفهوم دریاچه های داده و توانمندسازی یادگیرندگان برای استفاده از پتانسیل خود در مدیریت و تجزیه و تحلیل کلان داده ها طراحی شده است. شرکت کنندگان درک عمیقی از اصول اساسی، اجزا و بهترین شیوه ها برای پیاده سازی دریاچه های داده در یک اکوسیستم داده مدرن به دست خواهند آورد.

در طول دوره، فراگیران مفاهیم اساسی دریاچه‌های داده، از جمله مزایایی که در زمینه ذخیره‌سازی، پردازش و تجزیه و تحلیل داده‌ها ارائه می‌دهند را بررسی خواهند کرد. آنها به مؤلفه‌های ضروری دریاچه‌های داده، مانند دریافت داده، ذخیره‌سازی داده، پردازش داده‌ها، و مدیریت داده‌ها می‌پردازند و یاد می‌گیرند که چگونه این عناصر با هم کار می‌کنند تا یک معماری داده‌ای قوی ایجاد کنند.

شرکت‌کنندگان الگوهای مختلف معماری و ملاحظات طراحی برای دریاچه‌های داده را کشف خواهند کرد، و آنها را قادر می‌سازد هنگام پیاده‌سازی دریاچه‌های داده در سازمانشان تصمیمات آگاهانه بگیرند. آن‌ها همچنین تکنیک‌های مختلف برای جذب داده‌ها، از جمله پردازش دسته‌ای، پخش هم‌زمان، و رویکردهای مبتنی بر رویداد را یاد می‌گیرند و تضمین می‌کنند که مهارت‌هایی برای بارگذاری کارآمد داده‌ها در دریاچه داده دارند.

این دوره، استراتژی‌های ذخیره‌سازی داده و سازماندهی در دریاچه داده، از جمله قالب‌های فایل، پارتیشن‌بندی و مدیریت ابرداده را پوشش می‌دهد. شرکت‌کنندگان درک درستی از تکنیک‌های پردازش داده و تجزیه و تحلیل ویژه دریاچه‌های داده، کاوش ابزارها و زبان‌های مورد استفاده برای تبدیل داده‌ها، پرس‌وجو، و تجزیه و تحلیل پیشرفته به دست خواهند آورد.

علاوه بر این، یادگیرندگان به شیوه‌های حاکمیت داده و امنیت در محیط دریاچه داده می‌پردازند، نحوه ایجاد کنترل‌های دسترسی، اطمینان از کیفیت داده‌ها و پیاده‌سازی مدیریت چرخه عمر داده‌ها را درک می‌کنند. آنها ادغام دریاچه های داده را با سایر پلتفرم های داده، مانند انبارهای داده و پلت فرم های تحلیلی، برای ایجاد یک راه حل داده جامع بررسی خواهند کرد.

در پایان این دوره، شرکت کنندگان پایه محکمی در دریاچه های داده و مهارت های طراحی و ساخت معماری های داده مدرن خواهند داشت. با مسلح شدن به این دانش، یادگیرندگان برای استفاده از داده‌ها برای ذخیره، پردازش و تجزیه و تحلیل حجم وسیعی از داده‌ها مجهز خواهند شد و آنها را قادر می‌سازد تا بینش‌های ارزشمندی به دست آورند و تصمیم‌های مبتنی بر داده را بگیرند.

چه مهندس داده، چه تحلیلگر داده یا مدیر فناوری اطلاعات باشید، این دوره به شما این امکان را می دهد که از دریاچه های داده به طور موثر استفاده کنید و پتانسیل داده های سازمان خود را باز کنید. در این سفر یادگیری به ما بپیوندید و مسیر خود را برای تبدیل شدن به یک متخصص معماری داده آغاز کنید.


سرفصل ها و درس ها

مقدمه ای بر دریاچه های داده Introduction to Data Lakes

  • معرفی Introduction

  • یادداشت های مقدمه Introduction Notes

  • داده فراتر از وزوز Data Beyond the buzz

  • داده های ساخت یافته Structured Data

  • داده های بدون ساختار Unstructured Data

  • جایی که داده های بدون ساختار ذخیره می شوند Where Unstructured data stored

  • داده های نیمه ساختار یافته Semi Structured Data

  • کلان داده چیست؟ What is Big Data?

  • موارد استفاده Use Cases

  • کلان داده - حجم Big Data - Volume

  • کلان داده - سرعت Big Data - Velocity

  • کلان داده - تنوع Big Data - Variety

  • کلان داده - صحت Big Data - Veracity

  • کلان داده - ارزش Big Data - Value

  • تجزیه و تحلیل داده های بزرگ چگونه کار می کند؟ How Big Data Analytics works ?

ماژول 2 - همه چیز در مورد دریاچه های داده Module 2 - All about data lakes

  • دریاچه داده چیست؟ What is Data Lake?

  • دیدگاه تاریخی داده ها Historical Perspective of Data

  • انواع فروشگاه داده چیست؟ What are Data Stores Types

  • مزایای کلیدی دیتا لیک Key Benefits of Data lake

  • انبار داده - جنبه های تاریخی، مزایا و ویژگی ها Data Warehouse - Historical aspects , benefits and features

  • Datalake در مقابل Data Warehouse Datalake vs Data Warehouse

  • انواع مختلف فایل – Data Lake Different File Types – Data Lake

ماژول 3 - معماری دریاچه داده ها مقدمه Module 3 - Data lake architecture Introduction

  • معماری دریاچه داده ها مقدمه Data lake architecture Introduction

  • معماری دریاچه داده لاجورد - بلع Azure Data lake Architecture - Ingestion

  • معماری دریاچه داده ها - لایه ذخیره سازی داده ها Data Lake Architecture -Data Storage Layer

  • معماری دریاچه داده ها - پردازش داده ها Data Lake Architecture -Data Processing

  • معماری دریاچه داده ها - پردازش داده ها - پارتیشن بندی داده ها Data lake Architecture - Data Processing - Data Partitioning

  • معماری دریاچه داده ها - پردازش داده ها - ذخیره داده ها Data lake Architecture - Data Processing - Data Caching

  • معماری دریاچه داده ها - پردازش داده ها - مدیریت گردش کار داده ها Data lake Architecture - Data Processing - Data Workflow Management

  • معماری دریاچه داده - حاکمیت و امنیت Data lake Architecture - Governance & Security

بخش 4 - تمرینات آزمایشگاهی Section 4 - Lab Exercises

  • ایجاد دریاچه داده Azure با استفاده از پورتال Azure Creating Azure Data Lake Using Azure Portal

  • Azure Data lake Metrics، KPI (بخش 1) Azure Data lake Metrics, KPIs (Part1)

  • Azure Data lake Metrics، KPI (بخش 2) Azure Data lake Metrics, KPIs (Part 2)

  • سیاست های مدیریت چرخه حیات Lifecycle Management Policies

  • آزمایشگاه مدیریت چرخه حیات Lifecycle Management Lab

  • Storage Access Tiers Lab Storage Access Tiers Lab

  • آزمایشگاه امنیت دریاچه داده لاجورد Azure Data Lake Security Lab

بابت اتمام دوره به شما تبریک می گویم Congratulations on completing the course

  • بابت اتمام دوره به شما تبریک می گویم Congratulations on completing the course

نمایش نظرات

آموزش سفر به دریاچه های داده - ساخت معماری داده های مدرن
جزییات دوره
4 hours
38
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,008
4.7 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anand Nednur Anand Nednur

Cloud Architect در AWS ، Azure و GCPAnand Rao یک مربی ارشد فنی و مشاور ابری است. وی حدود 15 سال با بنگاه های بزرگ اقتصادی کار کرده و طیف وسیعی از فناوری ها را در کارنامه خود دارد. آناند نه تنها در سیستم عامل های ابری (Azure ، AWS و GCP) تبحر دارد بلکه در IAM ، امنیت و اتوماسیون با پاورشل و پایتون نیز مهارت کافی دارد. علاوه بر این ، وی در حال توسعه و به روزرسانی مطالب برای دوره های مختلف بوده است. وی در معاینات آزمایشگاهی و تأمین گواهینامه ها به مهندسان زیادی کمک کرده است. آناند رائو در چندین ایالت هند و همچنین چندین کشور مانند ایالات متحده آمریکا ، بحرین ، کنیا و امارات متحده عربی آموزشهای هدایت شده توسط مربیان را ارائه داده است. وی به عنوان مربی گواهی شده مایکروسافت در سطح جهانی برای شرکتهای اصلی مشتری کار کرده است. Anand همچنین دارای گواهینامه های حرفه ای دارای مجوز برگزاری فصلی در سیستم عامل های زیر است: مربی مجوز مایکروسافت (MCT) SY0-401: CompTIA Security + استاد مجاز Scrum (SCRUM) ITIL V3 شبکه مدافع مجاز (CND - شورای EC)

Gaurav A Gaurav A

مربی در Udemy