لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش NoSQL پیشرفته برای Data Science
Advanced NoSQL for Data Science
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بسیاری از سازمان ها برای ذخیره حجم زیادی از داده های پیچیده ، به پایگاه های داده NoSQL روی آورده اند و این امر باعث افزایش نیاز دانشمندان و تحلیل گران به داده ها برای درک ذخیره داده های غیر رابطه ای شده است. اگر شما یک دانشمند داده یا تحلیلگر کسب و کار هستید و باید با NoSQL کار کنید ، این دوره برای شما مناسب است. در مورد تفاوت بین پایگاه داده های رابطه ای و NoSQL اطلاعاتی کسب کنید ، انواع پایگاه داده های NoSQL را مرور کنید و نحوه انجام کارهای مشترک علوم داده ، از جمله آماده سازی داده ها ، کاوش و ساخت و استفاده از مدل ها را ببینید.
این دوره با مقدمه ای بر NoSQL آغاز می شود ، و سپس به جزئیات پایگاه داده های سند ، ستون گسترده و نمودار می پردازد. جزئیات کلیدی برای انجام آماده سازی ، کاوش و استخراج داده ها برای هر نوع پایگاه داده NoSQL را بیاموزید. مطالعات موردی را که نحوه استفاده از پایگاه داده های مختلف NoSQL را با ابزارهای معروف علوم داده از جمله پایگاه داده اسناد MongoDB ، پایگاه داده ستون گسترده Cassandra و پایگاه داده نمودار Neo4j نشان می دهد ، مرور کنید.
موضوعات شامل:
NoSQL در مقایسه با پایگاه داده های رابطه ای سنتی li>
انجام وظایف رایج دانش داده li>
آماده سازی داده ها با پایگاه داده سند li>
دستکاری داده ها در NoSQL
آماده سازی ، کاوش ، استخراج و ساخت مدل li>
کار با پایگاه داده های سند ، ستون گسترده و نمودارها li>
مرور مطالعات موردی با استفاده از MongoDB ، Cassandra و Neo4j
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه باید بدانید
What you should know
فایل های تمرینی
Exercise files
1. چرا NoSQL؟
1. Why NoSQL?
محدودیت پایگاه داده های رابطه ای
The limits of relational databases
انواع بانکهای اطلاعاتی NoSQL
Types of NoSQL databases
مزایای استفاده از پایگاه داده های NoSQL
Advantages of NoSQL databases
انجام وظایف علوم داده با NoSQL
Performing data science tasks with NoSQL
2. انجام وظایف علوم داده مشترک با پایگاه داده NoSQL
2. Perform Common Data Science Tasks with NoSQL Databases
تهیه داده
Preparing data
کاوش داده ها
Exploring data
مدل های ساختمان
Building models
استفاده از مدلها
Applying models
3. بانک اطلاعات اسناد برای علوم داده
3. Document Databases for Data Science
مدل های داده اسناد
Document data models
ساختارهای JSON
JSON structures
داده ها را با بانکهای اطلاعاتی آماده کنید
Prepare data with document databases
آناکوندا را نصب کنید
Install Anaconda
MongoDB را نصب کنید
Install MongoDB
همکاری با مشتری
Working with Jupyter
داده ها را با بانکهای اطلاعاتی کاوش کنید
Explore data with document databases
داده ها را با بانک اطلاعات اسناد استخراج کنید
Extract data with document databases
چک های با کیفیت را انجام دهید
Perform quality checks
نمایه داده ها با پایگاه داده های سند
Index data with document databases
فریم های داده در MongoDB
Data frames in MongoDB
نکاتی در مورد استفاده از بانکهای اطلاعاتی اسناد برای علم داده
Tips for using document databases for data science
4- پایگاه داده های ستونی گسترده برای علوم داده
4. Wide-Column Databases for Data Science
مدل های ستون گسترده
Wide-column data models
داده ها را با داده های ستونی گسترده آماده کنید
Prepare data with wide-column databases
کیت توسعه جاوا را نصب کنید
Install the Java Development Kit
کاساندرا را نصب کنید
Install Cassandra
داده ها را برای کاساندرا آماده کنید
Prepare data for Cassandra
بارگیری داده ها به کاساندرا
Load data into Cassandra
کاساندرا و جرقه
Cassandra and Spark
نکاتی در مورد استفاده از پایگاه داده های ستون گسترده برای علم داده
Tips for using wide-column databases for data science
5. پایگاه داده های نمودار برای علوم داده
5. Graph Databases for Data Science
مدل داده های نمودار
Graph data models
مفاهیم کلیدی گرافیکی
Key graphi concepts
داده ها را با پایگاه داده های نمودار آماده کنید
Prepare data with graph databases
Neo4j را نصب کنید
Install Neo4j
داده ها را با پایگاه داده های نمودار کاوش کنید
Explore data with graph databases
داده ها را با داده های نمودار استخراج کنید
Extract data with graph databases
نکاتی در مورد استفاده از پایگاه داده های نمودار برای علم داده
Tips for using graph databases for data science
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
معمار سازمانی ، کارشناس بزرگ داده
دان سالیوان ، دکترای علوم ، یک معمار سازمانی و متخصص داده های بزرگ است.
دان متخصص در معماری داده ، تجزیه و تحلیل ، داده کاوی ، آمار ، مدل سازی داده ها ، داده های بزرگ و رایانش ابری است. علاوه بر این ، او دارای دکترای ژنتیک ، بیوانفورماتیک و زیست محاسباتی است. Dan به طور منظم با Spark ، Oracle ، NoSQL ، MongoDB ، Redis ، R و Python کار می کند. وی تجربه نوشتن گسترده ای در موضوعاتی از جمله رایانش ابری ، داده های بزرگ ، Hadoop و امنیت دارد.
نمایش نظرات