آموزش مهندسی اکوسیستم‌های داده: پایپ‌لاین‌ها، ETL و Spark - آخرین آپدیت

دانلود Engineering Data Ecosystems: Pipelines, ETL, Spark

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: این دوره برای ارائه درکی بنیادین از نحوه عملکرد اکوسیستم‌های داده مدرن طراحی شده است. از خطوط لوله داده (Data Pipelines) گرفته تا فرآیندهای ETL و مدیریت داده‌های حجیم با استفاده از Apache Spark، شما ابزارها، تکنیک‌ها و فناوری‌های ضروری را که تصمیم‌گیری در دنیای داده‌محور امروز را هدایت می‌کنند، بررسی خواهید کرد. چه یک مهندس داده آینده باشید و چه کسی که به مکانیسم‌های مدیریت داده علاقه دارد، این دوره زیربنای لازم برای ورود شما به حوزه هیجان‌انگیز مهندسی داده را فراهم می‌کند. این دوره برای متقاضیان مهندسی داده، توسعه‌دهندگان نرم‌افزار، مدیران پایگاه داده و متخصصان IT که به دنبال گسترش مهارت‌های خود در مدیریت و پردازش داده‌ها هستند، ایده‌آل است. علاوه بر این، تحلیلگران و متخصصان کسب‌وکار علاقه‌مند به فناوری‌های داده، این دوره را برای ارتقای درک خود از فرآیندهای بنیادی پشت اکوسیستم‌های داده و کلان‌داده‌ها مفید خواهند یافت. شرکت‌کنندگان باید علاقه کلی به داده‌ها و درک اولیه‌ای از مفاهیم برنامه‌نویسی داشته باشند. آشنایی با سیستم‌های پایگاه داده مفید خواهد بود، اما تجربه قبلی در زمینه Spark الزامی نیست. علاقه به کلان‌داده‌ها (Big Data) و تحلیل داده‌ها، تجربه یادگیری شما را در طول این دوره غنی‌تر می‌کند. در پایان این دوره، شرکت‌کنندگان قادر خواهند بود اجزا و اهمیت اکوسیستم‌های داده را شناسایی کنند، ساختار و عملکرد پایپ‌لاین‌های داده را درک نمایند و مراحل حیاتی موجود در جریان‌های کاری ETL را تشخیص دهند. علاوه بر این، دانش مقدماتی در مورد مدیریت کلان‌داده‌ها با Apache Spark و کاربردهای آن در پردازش داده‌ها در مقیاس بزرگ را کسب خواهید کرد.

سرفصل ها و درس ها

مهندسی اکوسیستم‌های داده: پایپ‌لاین‌ها، ETL و Spark Engineering Data Ecosystems: Pipelines, ETL, Spark

مقدمه‌ای بر دوره و آشنایی با مدرس Introduction to the Course & Meet Your Instructor
توضیح نقش اکوسیستم‌های داده Explaining the Role of Data Ecosystems
شناسایی منابع داده و اصول طراحی Identifying Data Sources and Design Principles
به‌کارگیری ابزارها و فناوری‌های پایپ‌لاین داده Applying Tools and Technologies for Data Pipelines
بررسی اصول ETL Examining ETL Principles
شناسایی ابزارها و فناوری‌های مورد نیاز برای ETL Identifying Tools and Technologies for ETL
بررسی چالش‌ها و راهکارهای کلان‌داده‌ها Examining Big Data Challenges and Solutions
کالبدشکافی Apache Spark و ویژگی‌های آن Decoding Apache Spark and its features
به‌کارگیری بینش‌ها برای استفاده از Spark Applying insights for using Spark
تحلیل طراحی راهکارهای داده مقیاس‌پذیر با Spark Analyse designing Scalable Data Solutions with Spark
پیاده‌سازی جریان‌های کاری ETL با Spark Implementing ETL Workflows with Spark
تبریکات و مسیر یادگیری مستمر Congratulations and Continuous Learning Journey