آموزش راهنمای آزمون کاردانی مهندسی داده تایید شده Databricks

Databricks Certified Data Engineer Associate Exam Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: دوره کاردانی Databricks Data Engineer با مثال‌های عملی و آموزش عملی، مهارت‌های Master Databricks Bricks Cluster، Notebook، ذخیره‌سازی داده Databricks Lakehouse Platform (معماری، توضیحات، مزایا) Delta Lake ELT با Spark SQL و موجودیت‌های ارتباطی Python (جدول‌ها، پایگاه‌های داده، ) دسترسی به داده ها از Azure Data Lake Storage (ADLS) Structured Streaming، Auto Loader Delta Live Tables, Multi-Hop Architecture Databricks Jobs Databricks Dashboards Data Governance پیش نیازها:دانش اولیه SQL و Python درک اولیه اصول ابر

به دوره جامع ما در مورد گواهینامه Databricks Certified Engineer Associate خوش آمدید. این دوره برای کمک به شما در تسلط بر مهارت های مورد نیاز برای تبدیل شدن به یک همکار تایید شده مهندس داده Databricks طراحی شده است.

Databricks یک پلت فرم تجزیه و تحلیل داده مبتنی بر ابر است که رویکردی یکپارچه برای پردازش داده، یادگیری ماشین و تجزیه و تحلیل ارائه می دهد. با تقاضای فزاینده برای مهندسان داده، Databricks به یکی از پرطرفدارترین مهارت ها در صنعت تبدیل شده است.

در این دوره، مفاهیم اصلی Databricks، از جمله Databricks Lakehouse Platform، ELT with Spark SQL و Python، پردازش داده های افزایشی، خطوط لوله تولید، و مدیریت داده را خواهید آموخت.

این دوره توسط کارشناسان صنعت با سالها تجربه در Databricks و مهندسی داده طراحی شده است. این دوره دارای مفاهیم نظری و آزمایشگاه های عملی است که به شما کمک می کند تا مفاهیم آموخته شده در دوره را به کار ببرید.

پس از اتمام دوره، می‌توانید با اطمینان در آزمون Databricks Certified Data Engineer Associate شرکت کنید و در حرفه خود به عنوان مهندس داده موفق شوید.


در پایان این دوره شما باید بتوانید:


  • نحوه استفاده و مزایای استفاده از Databricks Lakehouse Platform و ابزارهای آن، از جمله:

    • Data Lakehouse (معماری، توضیحات، مزایا)

    • فضای کاری علم و مهندسی داده (خوشه‌ها، نوت‌بوک‌ها، ذخیره‌سازی داده‌ها)

    • دریاچه دلتا (مفاهیم کلی، مدیریت جدول، دستکاری، بهینه سازی)

  • ساخت خطوط لوله ETL با استفاده از Apache Spark SQL و Python، از جمله:

    • موجودات رابطه‌ای (پایگاه‌های داده، جداول، نماها)

    • ELT (ایجاد جداول، نوشتن داده ها در جداول، تمیز کردن داده ها، ترکیب و تغییر شکل جداول، SQL UDF)

    • Python (تسهیل Spark SQL با دستکاری رشته و جریان کنترل، انتقال داده بین PySpark و Spark SQL)

  • داده ها را به صورت تدریجی پردازش می کند، از جمله:

    • جریان سازی ساختاریافته (مفاهیم کلی، محرک ها، واترمارک)

    • لودر خودکار (در جریان خواندن خوانده می شود)

    • معماری مولتی هاپ (برنز-نقره-طلا، برنامه های پخش جریانی)

    • جداول زنده دلتا (مزایا و ویژگی ها)

  • خطوط لوله تولید برای برنامه‌های مهندسی داده و پرسش‌های Databricks SQL و داشبورد ایجاد کنید، از جمله:

    • کارها (زمان‌بندی، هماهنگی کار، رابط کاربری)

    • داشبوردها (نقاط پایانی، زمان‌بندی، هشدار، تازه‌سازی)

  • بهترین شیوه های امنیتی را درک کرده و از آنها پیروی کنید، از جمله:

    • کاتالوگ Unity (مزایا و ویژگی ها)

    • مجوزهای نهاد (مجوزهای مبتنی بر تیم، مجوزهای مبتنی بر کاربر)


اکنون ثبت نام کنید و اولین قدم را برای تبدیل شدن به یک همکار تایید شده مهندس داده Databricks بردارید.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • مهم - به‌روزرسانی نکات و بررسی Udemy Important - Udemy Tips & Review Update

  • مواد درسی Course Materials

شروع کار با Databricks Getting started with Databricks

  • تاریخچه Bigdata Bigdata History

  • مقدمه ای بر Databrics Introduction to Databrics

  • آزمایشگاه: Databricks Workspace با نسخه Community Lab: Databricks Workspace with Community Edition

  • آزمایشگاه: Databricks Workspace با Azure Cloud Lab: Databricks Workspace with Azure Cloud

  • مروری بر رابط کاربری Databricks Databricks User Interface Overview

  • بررسی اجمالی معماری Databricks Azure Azure Databricks Architecture Overview

  • منابع ایجاد شده توسط Azure Databricks Workspace Resources Created by Azure Databricks Workspace

خوشه های Databricks Databricks Clusters

  • مقدمه ای بر Databricks Cluster Introduction to Databricks Cluster

  • پیکربندی خوشه Databricks Databricks Cluster Configuration

  • آزمایشگاه: ایجاد خوشه Databricks Lab: Creating Databricks Cluster

  • قیمت گذاری Azure Databricks Azure Databricks Pricing

  • ویژگی‌های Cluster را از UI کاوش کنید Explore Cluster Features from UI

  • کنترل هزینه Azure Azure Cost Control

  • Databricks Cluster Pool Databricks Cluster Pool

  • سیاست های خوشه بخش - 1 Cluster Policies Part - 1

  • سیاست های خوشه ای قسمت - 2 Cluster Policies Part - 2

نوت بوک های Databricks Databricks Notebooks

  • Databricks Notebooks مقدمه Databricks Notebooks Introduction

  • دستورات جادویی Magic Commands

پلتفرم دیتابریکس لیک هاوس Databricks Lakehouse Platform

  • دریاچه دلتا Delta Lake

  • آزمایشگاه: جداول دریاچه دلتا قسمت - 1 Lab : Delta Lake Tables Part - 1

  • آزمایشگاه: جداول دریاچه دلتا قسمت - 2 Lab : Delta Lake Tables Part - 2

  • آزمایشگاه : دریاچه دلتا پیشرفته قسمت - 1 Lab : Delta Lake Advanced Part - 1

  • آزمایشگاه - قسمت پیشرفته دریاچه دلتا - 2 Lab - Delta Lake Advanced Part - 2

  • اشیاء داده در Databricks Lakehouse Data objects in Databricks Lakehouse

  • آزمایشگاه - پایگاه های داده و جداول مربوط به آجرهای داده قسمت - 1 Lab - Databases and Tables on Databricks Part - 1

  • آزمایشگاه - پایگاه های داده و جداول مربوط به آجرهای داده قسمت - 2 Lab - Databases and Tables on Databricks Part - 2

  • آزمایشگاه - پایگاه های داده و جداول مربوط به آجرهای داده قسمت - 3 Lab - Databases and Tables on Databricks Part - 3

  • آزمایشگاه - پایگاه‌های داده و جداول مربوط به آجرهای داده قسمت - 4 Lab - Databases and Tables on Databricks Part - 4

  • بازدیدها Views

  • آزمایشگاه: کار با Views قسمت - 1 Lab: Working with Views Part - 1

  • آزمایشگاه - کار با نماها - قسمت 2 Lab - Working with Views Part - 2

ELT با Spark SQL و Python ELT with Spark SQL and Python

  • وارد کردن داده ها به Databricks Importing Data to Databricks

  • پرس و جو فایل ها قسمت - 1 Querying Files Part - 1

  • پرس و جو فایل ها قسمت - 2 Querying Files Part - 2

  • پرس و جو فایل ها قسمت - 3 Querying Files Part - 3

  • پرس و جو فایل ها قسمت - 4 Querying Files Part - 4

  • نوشتن روی جداول قسمت - 1 Writing to Tables Part - 1

  • نوشتن روی جداول قسمت - 2 Writing to Tables Part - 2

  • نوشتن روی جداول قسمت - 3 Writing to Tables Part - 3

  • سازماندهی فایل های نوت بوک Organizing Notebook files

  • Advanced SQL Transformations Part - 1 Advanced SQL Transformations Part - 1

  • Advanced SQL Transformations Part - 2 Advanced SQL Transformations Part - 2

  • Advanced SQL Transformations Part - 3 Advanced SQL Transformations Part - 3

  • Advanced SQL Transformations Part - 4 Advanced SQL Transformations Part - 4

  • Advanced SQL Transformations Part - 5 Advanced SQL Transformations Part - 5

  • توابع مرتبه بالاتر قسمت - 1 Higher Order Functions Part - 1

  • مثالها - توابع داخلی و مرتبه بالاتر Examples - Built-In & Higher-Order Functions

  • UDF های SQL و بخش کنترل جریان SQL UDFs and Control Flow Part

دسترسی به داده ها از Azure Data Lake Storage (ADLS) Accessing Data from Azure Data Lake Storage (ADLS)

  • ایجاد حساب ذخیره سازی azure gen 2 Creating azure gen 2 storage Account

  • دسترسی به داده ها از طریق کلید دسترسی Accessing Data via Access Key

  • دسترسی به داده ها از طریق SAS Token Accessing Data via SAS Token

  • نصب ADLS به DBFS قسمت - 1 Mounting ADLS to DBFS Part - 1

  • نصب ADLS به DBFS قسمت - 2 Mounting ADLS to DBFS Part - 2

  • حوزه های مخفی قسمت - 1 Secret Scopes Part - 1

  • حوزه های مخفی قسمت - 2 Secret Scopes Part - 2

  • معماری چند هاپ (معماری مدالیون) Multi-hop Architecture (Medallion Architecture)

جریان ساختار یافته و بارگذار خودکار Structured Streaming and Auto Loader

  • ایجاد و نصب کانتینر Creating and Mounting the Container

  • شبیه ساز مجموعه داده های جریانی Streaming Dataset Simulator

  • خواندن جریان داده Reading Data Stream

  • نوشتن در جریان داده بخش - 1 Writing to Data Stream Part - 1

  • نوشتن در جریان داده قسمت - 2 Writing to Data Stream Part - 2

  • گزینه های اضافی بخش پردازش داده های افزایشی - 1 Additional Options Incremental Data Processing Part - 1

  • گزینه های اضافی پردازش داده های افزایشی بخش - 2 Additional Options Incremental Data Processing Part - 2

  • لودر خودکار Auto Loader

جداول زنده دلتا Delta Live Tables

  • نمای کلی: جداول زنده دلتا Overview: Delta Live Tables

  • ایجاد و نصب کانتینر برای جداول زنده دلتا Creating and Mounting container for Delta Live Tables

  • ایجاد و اجرای خط لوله DLT قسمت - 1 Creating and Running DLT Pipeline Part - 1

  • ایجاد و اجرای خط لوله DLT قسمت - 2 Creating and Running DLT Pipeline Part - 2

  • ایجاد و اجرای خط لوله DLT قسمت - 3 Creating and Running DLT Pipeline Part - 3

  • ایجاد و اجرای خط لوله DLT قسمت - 4 Creating and Running DLT Pipeline Part - 4

مشاغل در Databricks Jobs in Databricks

  • Jobs in Databricks - Demo 1 Part - 1 Jobs in Databricks - Demo 1 Part - 1

  • Jobs in Databricks - Demo 1 Part - 2 Jobs in Databricks - Demo 1 Part - 2

  • Jobs in Databricks - Demo 2 Part - 1 Jobs in Databricks - Demo 2 Part - 1

  • Jobs in Databricks - Demo 2 Part - 2 Jobs in Databricks - Demo 2 Part - 2

داشبوردها Dashboards

  • ایجاد انبار SQL Create SQL warehouse

  • ایجاد قسمت داشبورد - 1 Creating Dashboard Part - 1

  • ایجاد قسمت داشبورد - 2 Creating Dashboard Part - 2

حاکمیت داده Data Governance

  • امتیازات شیء داده Data Object Privileges

  • آزمایشگاه - امتیازات داده را به گروه کاربر اختصاص دهید Lab - Assign data privileges to user-group

متشکرم Thank You

  • تبریک و راه رو به جلو Congratulations & way forward

نمایش نظرات

نظری ارسال نشده است.

آموزش راهنمای آزمون کاردانی مهندسی داده تایید شده Databricks
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
11 hours
83
Udemy (یودمی) udemy-small
19 خرداد 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
735
4.7 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ankit Mistry Ankit Mistry

توسعه دهنده نرم افزار | من می خواهم زندگی و درآمد شما را بهبود بخشم.

Vijay Gadhave Vijay Gadhave

دانشمند داده و توسعه دهنده نرم افزار

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.