آموزش جامع Databricks در یک ساعت - آخرین آپدیت

دانلود Introduction to Databricks in 1 Hour

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: تسلط بر Databricks از صفر: معماری، اجزای اصلی، SQL، پایتون، Delta Lake و یادگیری ماشین کاربردی درک مفهوم Databricks و نحوه استفاده سازمان‌ها از آن توضیح اجزای اصلی مانند Workspaces، Clusters، Notebooks، Jobs و Repos بررسی معماری Databricks، مفهوم Delta Lake، معماری Medallion و مفهوم Lakehouse کار با محیط Databricks و استفاده از نسخه رایگان (Community Edition) اجرای اسکریپت‌های پایتون در Databricks و پیکربندی منابع پردازشی بارگذاری، پاک‌سازی، تبدیل و بصری‌سازی داده‌ها با ابزارهای Databricks ساخت داشبوردها و ایجاد جداول SQL با استفاده از پایتون تبدیل DataFrames بین SQL و PySpark پیاده‌سازی مفاهیم پایه علم داده در Databricks پیش نیازها: درک پایه از پایتون یا SQL (توصیه می‌شود اما الزامی نیست) یک کامپیوتر با دسترسی به اینترنت اشتیاق به یادگیری ابزارهای جدید و انجام تمرینات عملی

به دوره آشنایی با Databricks خوش آمدید؛ راهنمای عملی و مناسب برای مبتدیان جهت تسلط بر یکی از پرتقاضاترین پلتفرم‌های داده در صنعت امروز.

نام من Dimitar Shtev است و نزدیک به یک دهه تجربه در زمینه تحلیل داده، مهندسی داده و یادگیری ماشین دارم. در این دوره، من شما را گام‌به‌گام با تمام نکاتی که برای شروع قدرتمند کار با Databricks نیاز دارید آشنا می‌کنم—حتی اگر هرگز با آن کار نکرده باشید.

ما با بررسی این موضوع شروع می‌کنیم که Databricks چیست، چرا سازمان‌ها به آن اعتماد می‌کنند و اجزای اصلی آن چگونه با هم تعامل دارند. شما با مفاهیمی چون Data Lakehouse، Delta Lake، SQL، Databricks Runtime و معماری پردازش مقیاس‌پذیر داده‌ها آشنا خواهید شد.

سپس، وارد بخش یادگیری عملی با استفاده از نسخه رایگان مادام‌العمر (Community Edition) می‌شویم. شما اسکریپت‌های پایتون را اجرا کرده، منابع پردازشی را پیکربندی می‌کنید، محیط کاری خود را سازماندهی کرده، فایل‌های CSV را بارگذاری کرده و بصری‌سازی‌ها و داشبوردهای تعاملی می‌سازید.

در نهایت، تمام آموخته‌ها را در یک پروژه واقعی یادگیری ماشین به کار می‌بریم:

شما داده‌های واقعی قیمت بیت‌کوین را جمع‌آوری کرده، آن‌ها را برای مدل‌سازی آماده می‌کنید، جداول SQL را به اشیاء PySpark تبدیل کرده، یک مدل رگرسیون را آموزش می‌دهید و پیش‌بینی قیمت‌های آتی را در Databricks نمایش می‌دهید.

چه تحلیلگر داده باشید، چه مهندس داده، متخصص BI، توسعه‌دهنده یا علاقه‌مند به علم داده، Databricks در حال تبدیل شدن به یک ابزار ضروری است—و این دوره پایه و اعتمادبه‌نفس لازم برای استفاده از آن در سناریوهای واقعی را به شما می‌دهد.

در پایان، شما یک محیط فعال Databricks، تجربه عملی و گردش‌کارهای کاربردی خواهید داشت که می‌توانید از همان روز بعد در محیط کاری خود به کار بگیرید.

سرفصل ها و درس ها

خوش‌آمدگویی به دوره Databricks Welcome to Introduction to Databricks

مقدمه Introduction

اجزای اصلی Databricks Databricks Core Components

Databricks چیست؟ What is Databricks?
کاربرد Databricks چیست؟ What is Databricks used for?
سازمان‌ها چگونه از Databricks استفاده می‌کنند؟ How Organizations Use Databricks?
بررسی اجزای اصلی Databricks Databricks Core Components

معماری Databricks Databricks Architecture

پیش‌نیازهای درک معماری Databricks Before Proceeding to Databricks Architecture
نمای کلی معماری Databricks Databricks Architecture Overview
Delta Lake چیست؟ What is Delta Lake?
معماری مدالین (Medallion Architecture) Medallion Architecture
Data Lakehouse چیست؟ What is a Data Lakehouse?
محیط اجرایی (Databricks Runtime) Databricks Runtime
بررسی Databricks SQL Databricks SQL
نسخه‌های مختلف Databricks Databricks Editions

کار عملی با Databricks Databricks in Action

ثبت‌نام در نسخه رایگان Databricks Sign up for Databricks FREE Edition
اجرای اسکریپت پایتون در Databricks Running Python Script inside Databricks
بارگذاری داده‌ها در Databricks Loading Data into Databricks
بصری‌سازی داده‌ها در Databricks Data Visualizations in Databricks
آماده‌سازی داده‌ها با کمک دستیار هوش مصنوعی (AI Assistant) Data Prepping using AI Assistant
ساخت داشبورد در Databricks Creating a Dashboard in Databricks
کار با جداول SQL با استفاده از پایتون Working with SQL Tables using Python
تغییر نوع ستون‌ها با پایتون Changing Column Types using Python
ذخیره DataFrame پایتون به عنوان جدول SQL Saving Python Dataframe as SQL Table

یادگیری ماشین و تحلیل رگرسیون Machine Learning - Regression Analysis

دریافت داده‌های تاریخی بیت‌کوین Get historical Bitcoin data from here
مفاهیم اصلی علم داده Data Science Core Concepts
آماده‌سازی داده‌های رگرسیون ML ML Regression Data Prep
تبدیل جدول SQL به جدول Pyspark Converting SQL table to Pyspark table
آموزش مدل رگرسیون برای قیمت بیت‌کوین Training Regression Model on Bitcoin Prices
نمایش پیش‌بینی قیمت بیت‌کوین در پانل Displaying Bitcoin Prediction Price in Pan
وارد کردن نوت‌بوک پایتون به Databricks Importing Python Notebook into Databricks