آموزش مدیریت داده‌ها با Azure Databricks و Azure Data Lake - آخرین آپدیت

دانلود Manage Data with Azure Databricks and Azure Data Lake

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پلتفرم‌های داده مدرن اغلب هنگام ادغام ابزارهای تحلیل ابری و راهکارهای ذخیره‌سازی، با چالش‌های امنیتی، مقیاس‌پذیری و حاکمیت داده مواجه هستند. در این دوره آموزشی با عنوان «مدیریت داده‌ها با Azure Databricks و Azure Data Lake»، شما توانایی ساخت، مدیریت و حاکمیت امن خطوط لوله داده (Data Pipelines) را با استفاده از Azure Databricks و Azure Data Lake Storage (ADLS) Gen2 کسب خواهید کرد. در ابتدا، نحوه ادغام Azure Databricks با ADLS Gen2 و پیکربندی دسترسی‌های امن با استفاده از Managed Identities و Key Vault را بررسی خواهید کرد. سپس، روش‌های جذب (Ingest)، تبدیل (Transform) و بهینه‌سازی داده‌ها را با استفاده از PySpark، Delta Lake و Databricks Auto Loader خواهید آموخت. در نهایت، نحوه پیاده‌سازی حاکمیت متمرکز داده‌ها با Unity Catalog و اشتراک‌گذاری امن داده‌ها بین سازمان‌ها از طریق Delta Sharing را فرا خواهید گرفت. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه Azure Databricks و ADLS Gen2 را برای ایجاد راهکارهای داده‌ای امن، مقیاس‌پذیر و تحت نظارت در محیط ابری خواهید داشت.

سرفصل ها و درس ها

ادغام Azure Databricks با Azure Data Lake Storage Gen2 Integrating Azure Databricks with Azure Data Lake Storage Gen2

  • مرور کلی Overview

  • آشنایی با معماری ADLS Gen2 Introduction to ADLS Gen2 Architecture

  • ادغام با Azure Databricks Integration with Azure Databricks

  • دمو: راه‌اندازی ADLS Gen2 و Azure Databricks Demo: Provisioning ADLS Gen2 and Azure Databricks

  • امنیت با RBAC و Managed Identities Security with RBAC and Managed Identities

  • مقایسه متدهای دسترسی Comparing Access Methods

پیکربندی اتصالات امن و بهینه Configuring Secure and Efficient Connections

  • مکانیزم‌های احراز هویت Authentication Mechanisms

  • دمو: فعال‌سازی AAD Credential Passthrough Demo: Enabling AAD Credential Passthrough

  • دمو: securing اطلاعات حساس با Azure Key Vault Demo: Securing Credentials with Azure Key Vault

  • دمو: دسترسی به Azure Data Lake Storage از طریق Databricks Demo: Accessing Azure Data Lake Storage from Databricks

  • دمو: Mount کردن ADLS Gen2 با استفاده از Key Vault Secrets Demo: Mounting ADLS Gen2 Using Key Vault Secrets

  • عیب‌یابی مشکلات اتصال Troubleshooting Connectivity

انجام جذب، تبدیل و بهینه‌سازی ذخیره‌سازی داده‌ها Performing Data Ingestion, Transformation, and Storage Optimization

  • مقایسه PySpark و SQL PySpark vs. SQL

  • دمو: جذب داده‌ها از ADLS Gen2 Demo: Ingesting Data from ADLS Gen2

  • استنباط و تکامل شمای داده‌ها (Schema Evolution) Schema Inference and Evolution

  • دمو: مدیریت تغییرات Schema با Auto Loader Demo: Handling Changing Schemas with Auto Loader

  • دمو: مقایسه عملکرد Parquet در مقابل Delta Demo: Compare Performance – Parquet vs. Delta

  • جذب افزایشی داده‌ها با Auto Loader Incremental Ingestion with Auto Loader

پیاده‌سازی حاکمیت متمرکز داده‌ها با Unity Catalog Implementing Centralized Data Governance with Unity Catalog

  • مبانی Unity Catalog Unity Catalog Fundamentals

  • دمو: راه‌اندازی Unity Catalog در Workspace Demo: Setting up Unity Catalog in a Workspace

  • دمو: اشتراک‌گذاری جداول بین Workspaceها Demo: Sharing Tables between Workspaces

  • دمو: بصری‌سازی Lineage در Unity Catalog Demo: Visualizing Lineage in Unity Catalog

  • مقایسه مدل‌های کنترل دسترسی Comparing Access Control Models

اشتراک‌گذاری و مدیریت امن داده‌ها در سازمان‌ها Securely Sharing and Managing Data across Organizations

  • آشنایی با Delta Sharing Introduction to Delta Sharing

  • دمو: پیکربندی Delta Sharing برای دسترسی خارجی Demo: Configure Delta Sharing for External Access

  • دمو: مجوزهای سطح جدول، ستون و ردیف Demo: Table, Column, and Row-level Permissions

  • جمع‌بندی دوره Course Summary

نمایش نظرات

آموزش مدیریت داده‌ها با Azure Databricks و Azure Data Lake
جزییات دوره
1h 39m
27
(آخرین آپدیت)
7
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

Bismark Adomako Bismark Adomako

بیسمارک معتقد است که آموزش دیگر یکبار سرمایه گذاری نیست ، بلکه درعوض یک مادام العمر است و نویسندگان و مربیان بزرگ می توانند نقش بی بدیلی در یافتن و پیشرفت شغلی کامل داشته باشند. وی دارای مدرک لیسانس علوم مهندسی کامپیوتر با تخصص مهندسی نرم افزار ، هوش مصنوعی و محاسبات توزیع شده است. او دوره های رباتیک و بینایی رایانه را به عنوان رهبر دانش آموز در حالی که در مدرسه بود ، تدریس کرد و به عنوان مهندس نرم افزار و دستیار پروژه در شورای انگلیس کارآموزی و مشاوره کرد. وی در حال حاضر به عنوان یک توسعه دهنده هوش تجاری و داده های بزرگ کار می کند و به عنوان دانشمند داده در Ecobank eProcess International SA در حال توسعه مدل های یادگیری ماشین است که برخی از آنها شامل مدل Customer360 متشکل از یک مدل تقسیم بندی مشتری ، مدل ریزش مشتری و فروش متقابل مشتری (محصول توصیه) مدل. وی دارای دانش سطح سازمانی در ادغام داده ها برای برنامه های کاربردی دامنه BI و مدیریت داده است.