مهندسی داده در فضای ابری

Data Engineering in the Cloud

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مهندسی داده در محیط‌های سنتی اغلب با مقیاس‌پذیری، انعطاف‌پذیری و کارایی هزینه دست و پنجه نرم می‌کند. در این دوره، "مهندسی داده در ابر"، شما توانایی طراحی، استقرار و مدیریت راه حل های داده مقیاس پذیر و کارآمد را به دست خواهید آورد. در ابر. ابتدا، مفاهیم اساسی رایانش ابری مرتبط با مهندسی داده، از جمله نقاط قوت و ضعف نسبی پلتفرم‌های ابری اصلی مانند AWS، Azure و Google Cloud را بررسی خواهید کرد. در مرحله بعد، نحوه استفاده از این پلتفرم‌ها را برای ایجاد معماری‌های ذخیره‌سازی و پردازش داده قوی، با استفاده از سرویس‌هایی مانند Amazon S3، Azure Blob Storage، Google Cloud Storage و موارد دیگر برای مدیریت بهینه داده‌ها کشف خواهید کرد. در نهایت، نحوه پیاده‌سازی و بهینه‌سازی خطوط لوله داده در فضای ابری را با تمرکز بر مدیریت هزینه، امنیت و انطباق برای اطمینان از اینکه راه‌حل‌های داده شما نه تنها کارآمد هستند، بلکه ایمن و مطابق با مقررات مربوطه هستند، یاد خواهید گرفت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش مهندسی داده مبتنی بر ابر را خواهید داشت که برای معماری و حفظ راه حل های پیشرفته داده ای که می توانند به صورت پویا با نیازهای سازمانی مقیاس شوند، لازم است.

سرفصل ها و درس ها

بررسی اجمالی Overview

  • بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

آشنایی با پلتفرم‌ها و سرویس‌های ابری Understanding Cloud Platforms and Services

  • پردازش ابری Cloud Computing

  • پردازش ابری Cloud Computing

  • مزایا و چالش ها Advantages and Challenges

  • مزایا و چالش ها Advantages and Challenges

  • ارائه دهندگان ابر Cloud Providers

  • ارائه دهندگان ابر Cloud Providers

  • مهندسی داده در AWS Data Engineering on AWS

  • مهندسی داده در AWS Data Engineering on AWS

  • مهندسی داده در Microsoft Azure Data Engineering on Microsoft Azure

  • مهندسی داده در Microsoft Azure Data Engineering on Microsoft Azure

  • مهندسی داده در Google Cloud Data Engineering on Google Cloud

  • مهندسی داده در Google Cloud Data Engineering on Google Cloud

  • خدمات مدیریت شده Managed Services

  • خدمات مدیریت شده Managed Services

طراحی و استقرار راه حل های مهندسی داده Designing and Deploying Data Engineering Solutions

  • طراحی خطوط لوله داده Designing Data Pipelines

  • طراحی خطوط لوله داده Designing Data Pipelines

  • استقرار خطوط لوله داده Deploying Data Pipelines

  • استقرار خطوط لوله داده Deploying Data Pipelines

بهینه سازی محیط های مهندسی داده های ابری Optimizing Cloud Data Engineering Environments

  • امنیت Security

  • امنیت Security

  • نظارت بر Monitoring

  • نظارت بر Monitoring

  • بهینه سازی هزینه Cost Optimization

  • بهینه سازی هزینه Cost Optimization

نمایش نظرات

مهندسی داده در فضای ابری
جزییات دوره
49m
26
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bogdan Sucaciu Bogdan Sucaciu

بوگدان دوست دارد روزانه مهندس نرم افزار ، و شبانه نویسنده Pluralsight است ، فن آوری های پیشرفته را آزمایش کند و در مورد آنها آموزش دهد. موضوعات مورد علاقه وی در زمینه گفتگو جریان داده ها ، معماری مبتنی بر رویداد ، سیستم های توزیع شده و فناوری های ابری است. او چندین سال تجربه "پخت و پز" نرم افزار با زبانهای مبتنی بر JVM ، برخی از طعم دهنده های فن آوری وب و تزئین با تست خودکار دارد. وی دارای مدرک کارشناسی رباتیک است که ساعتهای بی شماری را صرف برنامه نویسی میکروکنترلرها و دستگاه های اینترنت اشیا و البته ساخت ربات ها کرد. در آنجا ، او علاقه ، طراحی و برنامه نویسی سیستم های پیچیده خود را کشف کرد ، بنابراین رویای خود را دنبال کرد و به یک برنامه نویس خودآموز تبدیل شد.