آموزش تسلط بر دیتالوژ: مدرن‌سازی انبار داده - آخرین آپدیت

دانلود Data Vault Mastery: Modernizing Data Warehousing

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

مدرنیزاسیون انبار داده با متدولوژی Data Vault 2.0

مدرنیزاسیون انبار داده برای تحلیل‌های پیشرفته با استفاده از متدولوژی قدرتمند Data Vault 2.0

معماری مقیاس‌پذیر انبار داده Data Vault 2.0

متدولوژی Data Vault 2.0 در برنامه‌ریزی و اجرای پروژه

مدل‌سازی Data Vault 1.0 و 2.0

کاربرد عملی Data Vault 2.0: الگوهای بارگذاری، بارگذاری ETL و HashKey

طراحی مدل‌های ابعادی (Dimensional Model)

مدیریت داده‌های مرجع (Master Data Management): از معماری تا مراحل پیاده‌سازی

مدیریت فراداده (Meta Data Management) در لایه‌های مختلف داده و نحوه جمع‌آوری آن

پایگاه داده چندبعدی (Multi-dimensional Database - OLAP CUBE) چیست؟

به‌روزرسانی پلتفرم انبار داده سازمانی (Enterprise Data Warehouse - DWH): چشم‌انداز فناوری IBM، AWS و Data Vault 2.0

آزمایشگاه عملی (Hands-On Lab): بارگذاری داده از منبع به Data Vault، Data Mart و OLAP CUBE با استفاده از SQL Server، SSIS، SSAS

پیش‌نیازهای دوره:

  • دانش پایه انبار داده: آشنایی با مفاهیم انبار داده، هدف و معماری آن، مدل‌سازی داده و فرآیندهای ETL مفید خواهد بود.

  • مبانی پایگاه داده: درک مفاهیم اساسی پایگاه داده مانند جداول، روابط و کوئری‌های SQL ارزشمند است.

  • هوش تجاری و تحلیل داده: دانش در مورد ابزارهای هوش تجاری و مفاهیم تحلیل می‌تواند برای درک کاربرد متدولوژی Data Vault در تحلیل‌های پیشرفته مزیت محسوب شود.

  • مدل‌سازی داده: آشنایی با تکنیک‌های مدل‌سازی داده مانند نمودارهای موجودیت-رابطه (Entity-Relationship Diagrams) و مدل‌سازی ابعادی، برای درک مفاهیم دوره مفید است.

  • سیستم‌های مدیریت پایگاه داده: دانش پایه در مورد سیستم‌های مدیریت پایگاه داده (مانند Oracle, SQL Server و غیره) توصیه می‌شود، زیرا پیاده‌سازی Data Vault ممکن است شامل کار با پایگاه‌های داده مختلف باشد.

  • یکپارچه‌سازی داده: آگاهی از فرآیندها و ابزارهای یکپارچه‌سازی داده مانند ETL (استخراج، تبدیل، بارگذاری) برای درک الگوهای بارگذاری Data Vault مفید است.

مروری بر دوره:

تسلط بر Data Vault: مدرنیزاسیون انبار داده برای تحلیل‌های پیشرفته یک برنامه آموزشی جامع و عمیق است که برای تجهیز شرکت‌کنندگان به مهارت‌ها و دانش لازم برای بهره‌گیری از قدرت متدولوژی‌های Data Vault در محیط‌های مدرن انبار داده طراحی شده است. این دوره بر آخرین پیشرفت‌ها در Data Vault 2.0 تمرکز دارد و پایه‌ای محکم در تکنیک‌های مدل‌سازی، پیاده‌سازی و مدیریت داده برای پشتیبانی از تحلیل‌های پیشرفته را به یادگیرندگان ارائه می‌دهد.

شما همچنین فرصتی برای کسب دانش در سایر جنبه‌های داده خواهید داشت، از جمله: مدیریت داده‌های مرجع (MDM)، مدیریت فراداده، پایگاه‌های داده چندبعدی و پلتفرم‌های انبار داده و غیره.

اهداف دوره:

  1. درک مبانی: شرکت‌کنندگان مفاهیم اصلی انبار داده، متدولوژی‌های Data Vault و نیاز به مدرنیزاسیون در عصر تحلیل‌های پیشرفته را درک خواهند کرد.

  2. تسلط بر معماری Data Vault 2.0: یادگیرندگان معماری Data Vault 2.0 را کاوش کرده و درک خواهند کرد که چگونه مقیاس‌پذیری، انعطاف‌پذیری و سازگاری را برای مدیریت محیط‌های داده پویا فراهم می‌کند.

  3. یادگیری مدل‌سازی Data Vault: دوره به تکنیک‌های مدل‌سازی Data Vault 2.0 می‌پردازد و طراحی Hubs، Links و Satellites را برای ثبت داده‌های تاریخی و مدیریت تغییرات پوشش می‌دهد.

  4. پیاده‌سازی الگوهای بارگذاری Data Vault: شرکت‌کنندگان تجربه عملی در پیاده‌سازی الگوهای بارگذاری Data Vault 2.0 برای بارگذاری کارآمد داده‌ها از منابع مختلف به انبار داده کسب خواهند کرد.

  5. کاوش در بارگذاری فیزیکی ETL Data Vault: دوره بینش‌هایی در مورد پیاده‌سازی فیزیکی فرآیندهای ETL (استخراج، تبدیل، بارگذاری) برای پر کردن Data Vault ارائه می‌دهد.

  6. درک Hash Key در Data Vault 2.0: یادگیرندگان اهمیت Hash Key را در Data Vault 2.0 برای بهبود عملکرد داده و مدیریت یکپارچگی داده خواهند آموخت.

  7. کشف مدل‌سازی ابعادی: شرکت‌کنندگان با تکنیک‌های مدل‌سازی ابعادی، از جمله Star Schemas و Multi-Star Schemas، برای پشتیبانی از گزارش‌دهی و تحلیل آشنا خواهند شد.

  8. تسلط بر مدیریت داده‌های مرجع: دوره به معماری و مراحل توسعه مدیریت داده‌های مرجع (MDM) برای اطمینان از داده‌های مرجع سازگار و دقیق در سراسر سازمان می‌پردازد.

  9. آشکارسازی مدیریت فراداده: یادگیرندگان انواع مختلف فراداده را کاوش کرده و درک خواهند کرد که چگونه فراداده را برای حاکمیت داده مؤثر جمع‌آوری و مدیریت کنند.

  10. ورود به پایگاه‌های داده چندبعدی: شرکت‌کنندگان بینش‌هایی در مورد دنیای پایگاه‌های داده چندبعدی و چگونگی پاسخگویی آن‌ها به کوئری‌های تحلیلی پیچیده کسب خواهند کرد.

  11. کاوش پلتفرم‌های انبار داده: دوره چشم‌انداز فناوری Data Vault 2.0، محصولات داده و تحلیل IBM، و خدمات داده و تحلیل AWS را بررسی می‌کند.

پس از اتمام دوره "تسلط بر Data Vault: مدرنیزاسیون انبار داده برای تحلیل‌های پیشرفته"، شرکت‌کنندگان آماده خواهند بود تا ساختارهای Data Vault قوی را برای پشتیبانی از تحلیل‌های پیشرفته طراحی، پیاده‌سازی و مدیریت کنند و بینش‌های ارزشمندی از دارایی‌های داده خود استخراج نمایند.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • طرح کلی دوره و نتایج کلیدی یادگیری Course Outline and Key Learning Outcomes

  • دریافت مواد آموزشی Get the Matterials

مقدمه انبار داده Data warehouse Introduction

  • محیط انبار داده سازمانی Enterprise data warehouse environment

  • مقدمه ای بر Data Vault Introduction to Data Vault

  • معماری انبار داده Data warehouse architecture

معماری انبار داده انعطاف پذیر و مقیاس پذیر Flexible & scalable data warehouse architecture

  • چالش‌های انبار داده با تغییرات Struggling of data warehouse with changes

  • معماری Data Vault 2.0 Data vault 2.0 architecture

  • کاربرد قوانین کسب و کار Business rules application

  • لایه Staging area Staging area layer

  • لایه انبار داده Data warehouse layer

  • لایه Information mart Information mart layer

  • گسترش معماری Data Vault 2.0 >> Metrics Vault Extension of data vault 2.0 architecture >> Metrics Vault

  • Business Vault Business Vault

  • Operational Vault Operational Vault

متدولوژی Data Vault 2.0 The data vault 2.0 methodology

  • برنامه‌ریزی پروژه Project planning

  • برنامه‌ریزی پروژه >> نقش‌ها و وظایف Project planning >> Roles & Duties

  • برنامه‌ریزی پروژه >> ارتباطات Project planning >> Communication

  • برنامه‌ریزی پروژه >> مدل بلوغ CMMI Project planning >> CMMI maturity model

  • برنامه‌ریزی پروژه >> SCRUM Project planning >> SCRUM

  • برنامه‌ریزی پروژه >> تخمین پروژه Project planning >> Estimation of the project

  • اجرای پروژه Project execution

  • اجرای پروژه >> مراحل پیاده‌سازی تحت متدولوژی چابک - Scrum Project execution >> Implementation steps under agile - Scrum methodology

مدل‌سازی Data Vault The data vault modelling

  • مدل‌سازی Data Vault The data vault modelling

  • مورد استفاده Data Vault 1.0، نیازمندی‌ها، دیاگرام پایگاه داده و ساختار جدول Data vault 1.0 use case, requirement, database diagram & table structure

  • مدل‌سازی Data Vault 1.0 Data vault 1.0 modelling

  • Data Vault 1.0 hub، link، satellite، بارگذاری ETL Data vault 1.0 hub, link, satellite, ETL load

  • تعریف Data Vault 2.0 Data vault 2.0 definition

  • کاربرد Data Vault 2.0 >> کاربرد Hub Data vault 2.0 application >> hub application

  • کاربرد Link >> Link روی Link Link application >> Link on Link

  • کاربرد Link >> همانند Link Link application >> Same as Link

  • کاربرد Link >> Link سلسله مراتبی Link application >> Hierarchical Link

  • کاربرد Link >> Link تجمیعی محاسبه شده Link application >> Computed Aggregate Link

  • کاربرد Link >> Link اکتشافی Link application >> Exploration Link

  • کاربرد Satellite >> Satellites با بارگذاری بیش از حد Satellite application >> Overloaded Satellites

  • کاربرد Satellite >> Satellites با چندین فعال Satellite application >> Multi-active Satellites

  • کاربرد Satellite >> Satellites ردیابی وضعیت Satellite application >> Status tracking Satellites

  • کاربرد Satellite >> Satellites مؤثر Satellite application >> Effectively Satellites

  • کاربرد Satellite >> Satellites محاسبه شده Satellite application >> Computed Satellites

  • مدل‌سازی پیشرفته Data Vault >> جداول Point-In-Time Advanced data vault modeling >> Point-In-Time tables

  • مدل‌سازی پیشرفته Data Vault >> جداول Bridge Advanced data vault modeling >> Bridge tables

  • انعطاف‌پذیری Data Vault 2.0 Data vault 2.0 flexibility

پیاده‌سازی Data Vault The data vault implementation

  • مقدمه Data Vault 2.0 و پیاده‌سازی مورد استفاده Data vault 2.0 introduction & use case implementation

  • الگوهای بارگذاری Data Vault 2.0 >> hub، link، satellite، بارگذاری ETL Data vault 2.0 load patterns >> hub, link, satellite, ETL load

  • الگوهای بارگذاری Data Vault 2.0 >> کلید هش و موازی Data vault 2.0 load patterns >> hash key & parallel

مدل‌سازی ابعادی Dimensional modeling

  • مدل‌سازی ابعادی: اسکیمای ستاره‌ای، اسکیمای چند بعدی، طراحی ابعاد Dimensional modeling: star schemas, multi-dimension schemas, dimension design

مدیریت داده‌های اصلی - MDM Master data management - MDM

  • مدیریت داده‌های اصلی: معماری MDM و مراحل پیاده‌سازی Master data management: MDM architecture & implementation steps

مدیریت فراداده Meta data management

  • نوع فراداده Meta data type

  • گردآوری فراداده >> سیستم منبع Metadata capturing >> Source system

  • گردآوری فراداده >> Staging Metadata capturing >> Staging

  • گردآوری فراداده >> فراداده برای بارگذاری موجودیت‌های ماهواره‌ای و دیتا‌مارت Metadata capturing >> Metadata for loading satellite and datamart entities

پایگاه داده چندبعدی (مجموعه MOLAP) Multi-dimensional database (MOLAP cube)

  • پایگاه داده چندبعدی Multi-dimensional database

پلتفرم انبار داده Data warehouse platform

  • به‌روزرسانی پلتفرم انبار داده - دریاچه داده: پلتفرم داده IBM & AWS Data warehouse - data lake platform updates: IBM & AWS data platform

تمرین‌های عملی Hands-on practices

  • بارگذاری SSIS: از منبع به Data Vault، به DataMart، به OLAP cube SSIS load: source to Datavault, to Datamart, to OLAP cube

جلسه جمع‌بندی Summary session

  • استادی در Data Vault: نوسازی انبارهای داده برای تحلیل‌های پیشرفته Data Vault Mastery Modernizing Data Warehousing for Advanced Analytics

پاداش Bonus

  • هدیه ویژه برای شما Special Gift for You

نمایش نظرات

آموزش تسلط بر دیتالوژ: مدرن‌سازی انبار داده
جزییات دوره
5.5 hours
56
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
303
4.2 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

Dien Pham Dien Pham

مدیر ارشد داده، معمار سازمانی، کارشناسان فناوری اطلاعات

Quan Pham Quan Pham

کارشناس فناوری اطلاعات - متخصص داده برای صنعت بانکداری

Educonnhub Educonnhub

ارائه دوره‌های تخصصی تهیه شده توسط برترین اساتید

Cu Dinh Tien Cu Dinh Tien

معاون مدیر فناوری اطلاعات، بانکداری/مالی، معمار نرم‌افزار