آموزش مبانی دریاچه داده

Data Lake Fundamentals

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: باز کردن قدرت دریاچه های داده: راهنمای جامع || پروژه های دریاچه داده ها: از تئوری تا عملی مقدمه ای بر دریاچه های داده: تعریف و هدف دریاچه های داده. تمایز بین Data Lakes و سایر معماری های ذخیره سازی داده (به عنوان مثال، انبارهای داده). اجزای یک دریاچه داده: درک اجزای ضروری مانند ذخیره سازی، پردازش و مدیریت ابرداده. بررسی اجمالی فناوری‌هایی که معمولاً مورد استفاده قرار می‌گیرند معماری دریاچه داده: ملاحظات معماری و بهترین روش‌ها برای طراحی دریاچه داده. ادغام با سایر سیستم ها و ابزارهای پردازش داده. موارد استفاده از دریاچه داده: موارد استفاده در دنیای واقعی که تطبیق پذیری و کاربرد دریاچه های داده را در صنایع نشان می دهد. چالش‌ها و بهترین روش‌ها: چالش‌های رایج در پیاده‌سازی و حفظ دریاچه‌های داده. بهترین شیوه‌ها برای غلبه بر چالش‌ها و بهینه‌سازی پروژه‌های عملی دریاچه داده: پروژه‌ها و تمرین‌های عملی برای به کارگیری مفاهیم آموخته شده. ساخت یک Data Lake ساده و کار با مجموعه داده های واقعی. پیش نیازها: درک اساسی مفاهیم داده: آشنایی با مفاهیم پایه داده مانند پایگاه های داده، انواع داده ها و ساختارهای داده اغلب مفید است. دانش پایگاه داده: درک پایه ای از پایگاه های داده و سیستم های ذخیره سازی داده مفید خواهد بود. این شامل دانش پایگاه های داده رابطه ای، پایگاه های داده NoSQL و انبارهای داده است. مهارت های برنامه نویسی: مهارت های اولیه برنامه نویسی اغلب مفید هستند، به ویژه در زبان هایی که معمولاً برای پردازش داده ها استفاده می شوند، مانند Python، SQL یا سایر زبان ها.

شرح دوره:

به دوره آموزشی Data Lake Fundamentals خوش آمدید، که برای ارائه درک جامعی از اصول اصلی، معماری و کاربردهای عملی Data Lakes در چشم انداز داده محور امروزی طراحی شده است. چه یک متخصص داده، تحلیلگر، یا مهندس داده مشتاق باشید، این دوره شما را با دانش و مهارت های مورد نیاز برای استفاده از پتانسیل Data Lakes برای مدیریت و تجزیه و تحلیل موثر داده ها توانمند می کند.

نکات برجسته دوره:


مقدمه ای بر دریاچه های داده:

  • تعریف و اهمیت دریاچه های داده در معماری های داده مدرن.

  • تمایز دریاچه‌های داده از راه‌حل‌های سنتی ذخیره‌سازی داده.


  • اجزاء و معماری:

    • کاوش اجزای کلیدی که یک دریاچه داده را تشکیل می دهند.

    • ملاحظات معماری برای طراحی دریاچه های داده مقیاس پذیر و کارآمد.

  • موارد استفاده در دنیای واقعی:

    • بررسی موارد استفاده عملی از صنایع مختلف برای نشان دادن تطبیق پذیری دریاچه های داده.

    • تجزیه و تحلیل داستان‌های موفقیت و یادگیری از چالش‌هایی که در پیاده‌سازی‌های دنیای واقعی با آن روبرو هستند.


  • چالش ها و بهترین شیوه ها:

    • شناسایی چالش‌های رایج در پیاده‌سازی Data Lake.

    • بهترین شیوه‌ها و استراتژی‌ها برای غلبه بر چالش‌ها و بهینه‌سازی عملکرد Data Lake.


  • پروژه های عملی:

    • کاربرد مفاهیم آموخته شده از طریق پروژه های عملی.

    • ساخت یک دریاچه داده ساده و کار با مجموعه داده های واقعی برای تقویت دانش نظری.


پس از اتمام این دوره، شما با درک کاملی از مبانی دریاچه داده آشنا خواهید شد و به شما امکان می دهد دریاچه های داده را به طور موثر طراحی، پیاده سازی و مدیریت کنید و به مهارت خود به عنوان یک حرفه ای داده در دنیای پویا مدیریت داده کمک کنید. و تجزیه و تحلیل در این سفر به قلب معماری داده های مدرن به ما بپیوندید!


سرفصل ها و درس ها

مقدمه ای بر مبانی دریاچه داده Introduction to Data Lake Fundamentals

  • تعریف دریاچه داده Data Lake Definition

  • معماری و اجزای دریاچه داده Data Lake Architecture & Components

  • اصول دریاچه داده Data Lake Principles

  • آزمون مقدمه ای بر مبانی دریاچه داده Quiz on Introduction to Data Lake Fundamentals

مقایسه معماری، موارد استفاده و نقشه راه Comparing Architectures, Use Cases and Roadmap

  • تفاوت دریاچه داده با دیگر معماری ها How Data Lake differs from other architectures

  • موارد استفاده کنید Use cases

  • معماری داده و نقشه راه را ارزیابی کنید! Evaluate data architecture & Roadmap!

  • جنبه های اجرای این معماری، از جمله. امنیت Aspects of implementing this architecture, incl. security

  • آزمون مقایسه معماری، موارد استفاده و نقشه راه Quiz on Comparing Architectures, Use Cases and Roadmap

غواصی در اعماق دریاچه های داده Diving deep into Data Lakes

  • مزایای دریاچه داده Benefits of Data Lake

  • چالش های دریاچه داده Challenges of Data Lake

  • بهترین روش های دریاچه داده Best Practices of Data Lake

  • فن آوری های مختلف دریاچه داده در بازار فعلی Various Data Lake Technologies in the Current Market

  • فروشندگان دریاچه داده Data Lake Vendors

  • گزینه های منبع باز در Data Lake Open-Source Options in Data Lake

  • روندها و چشم انداز آینده دریاچه داده Trends and future outlook of Data Lake

  • آزمون غواصی در اعماق دریاچه های داده Quiz on Diving deep into Data Lakes

معماری لامبدا در دریاچه داده Lambda Architecture in Data Lake

  • معماری لامبدا Lambda Architecture

  • اصول معماری لامبدا Principles of Lambda Architecture

  • اجزای معماری لامبدا Components of Lambda Architecture

پروژه شماره 1: ساخت دریاچه داده های پایه (منبع داده: SQLite) Project #1 : Building Basic Data Lake (Data Source: SQLite)

  • جزئیات بیانیه مشکل Problem Statement Details

  • پیاده سازی Implementation

تکالیف Assignments

  • کاوش عملیات اساسی در دریاچه داده با پایتون Exploring Basic Operations in a Data Lake with Python

  • بررسی رفتار مشتری در دریاچه داده با پایتون Exploring Customer Behavior in a Data Lake with Python

پروژه شماره 2: ساخت دریاچه داده ساده (منابع داده: فایل CSV، فایل JSON) Project #2 : Building a Simple Data Lake ( Data Sources : CSV file, JSON file)

  • درک پروژه دریاچه داده های پایه Understanding Basic Data Lake Project

  • اجرای پروژه دریاچه داده پایه Implementation of Basic Data Lake Project

  • افزودن لایه غنی شده به پروژه Data Lake Adding Enriched Layer to Data Lake Project

  • افزودن لایه تبدیل شده به پروژه دریاچه داده Adding Transformed Layer to Data Lake Project

سخنرانی پاداش Bonus Lecture

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش مبانی دریاچه داده
جزییات دوره
2 hours
22
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
225
5 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

Surendra Varma Surendra Varma

بهترین مربی

نام مربی Surendra varma است.

او برنده جایزه بهترین معلم است.

او برنده جایزه Young Achiever است.

او دارای مدرک کارشناسی در رشته علوم کامپیوتر مدرک کارشناسی ارشد در علوم کامپیوتر است. او سخت‌ترین امتحان‌های علوم کامپیوتر مانند GATE UGC-NET را با رنگ‌های درخشان پشت سر گذاشت. همچنین، او در دوره کارشناسی ارشد یک دانشگاه برتر است.

او در حال حاضر در حال تحصیل در مقطع دکترا از معتبرترین دانشگاه جهان موسسه علوم هند (IISC)، بنگلور است.

او با شرکت های مختلف EdTech در هند از جمله Great Learning کار کرد. او همیشه بهترین بازخورد را از دانش آموزانش دریافت می کرد.

او 14+ سال تجربه در تدریس/تحقیق/صنعت دارد.

او در نقش‌های مختلفی مانند مهندس نرم‌افزار، دانشیار، محقق، مربی فنی، مربی فنی ارشد، رئیس فنی، رئیس آکادمیک کار کرد.

او بیش از 1,00,000 دانش آموز را در حرفه خود تربیت کرده است. شاگردان سابق او در حال حاضر در MNC مانند Amazon، Infosys، Wipro، TCS، CTS، Accenture و غیره مشغول به کار هستند.

او سخنرانی‌های مهمان در دانشگاه‌ها/کالج‌های برتر هند مانند IIIT s، دانشگاه SRM، VIT و غیره داشته است.

او به دانشجویان کشورهای مختلف مانند هند، ایالات متحده آمریکا، کانادا، امارات، استرالیا، بریتانیا، آلمان و غیره آموزش آنلاین داده است.

او در رتبه بندی 5% برتر در شکستن ارزیابی کدنویسی آمازون قرار گرفت.

شاگردان او در 150 کشورهای مختلف پراکنده هستند.